Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

LG-Stereo_L2	0.07 4	0.05 16	0.10 81	0.14 25	0.06 13	0.07 24	0.12 42	0.09 10	0.09 15	0.06 9	0.04 1	0.05 1	0.05 9	0.08 13	0.08 17	0.05 7	0.04 3	0.05 3	0.03 1	0.04 3	0.03 1

SGD-Stereo	0.08 23	0.05 16	0.10 81	0.14 25	0.05 1	0.12 177	0.12 42	0.11 24	0.12 66	0.07 24	0.09 66	0.09 97	0.09 141	0.08 13	0.08 17	0.06 92	0.04 3	0.05 3	0.04 23	0.05 74	0.03 1

MM-Stereo_test2	0.09 55	0.06 52	0.09 51	0.19 325	0.08 101	0.12 177	0.18 330	0.15 85	0.14 118	0.07 24	0.10 91	0.07 45	0.06 32	0.12 164	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.03 1

AIO_rvc	0.07 4	0.06 52	0.08 18	0.15 65	0.06 13	0.08 41	0.14 123	0.09 10	0.08 10	0.07 24	0.08 53	0.07 45	0.04 1	0.10 44	0.08 17	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.03 1

AIO_test	0.07 4	0.05 16	0.07 4	0.15 65	0.07 52	0.06 8	0.14 123	0.10 15	0.10 27	0.07 24	0.07 31	0.06 11	0.05 9	0.08 13	0.10 106	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.03 1

castereo++	0.08 23	0.05 16	0.08 18	0.15 65	0.05 1	0.14 247	0.12 42	0.11 24	0.15 132	0.07 24	0.07 31	0.07 45	0.06 32	0.08 13	0.08 17	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.03 1

castereo	0.09 55	0.06 52	0.11 121	0.15 65	0.06 13	0.11 144	0.15 189	0.14 65	0.18 201	0.08 44	0.10 91	0.11 146	0.08 115	0.09 23	0.10 106	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.03 1

MonSter	0.07 4	0.06 52	0.05 1	0.15 65	0.05 1	0.07 24	0.10 14	0.15 85	0.15 132	0.05 1	0.06 12	0.05 1	0.06 32	0.07 3	0.09 50	0.04 1	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

mms	0.09 55	0.07 125	0.08 18	0.16 124	0.08 101	0.10 102	0.16 254	0.12 38	0.11 50	0.08 44	0.09 66	0.08 73	0.06 32	0.11 86	0.12 206	0.05 7	0.04 3	0.07 165	0.05 81	0.04 3	0.03 1

ours_stereo	0.09 55	0.07 125	0.09 51	0.17 189	0.08 101	0.11 144	0.16 254	0.11 24	0.12 66	0.08 44	0.10 91	0.08 73	0.06 32	0.12 164	0.12 206	0.05 7	0.04 3	0.06 75	0.05 81	0.04 3	0.03 1

WCG-NET	0.08 23	0.05 16	0.09 51	0.15 65	0.06 13	0.11 144	0.14 123	0.13 50	0.13 96	0.06 9	0.09 66	0.07 45	0.06 32	0.13 205	0.08 17	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.03 1

RSM++	0.08 23	0.06 52	0.09 51	0.17 189	0.07 52	0.09 62	0.12 42	0.11 24	0.11 50	0.08 44	0.06 12	0.07 45	0.05 9	0.10 44	0.09 50	0.04 1	0.04 3	0.06 75	0.05 81	0.05 74	0.03 1

RSM	0.08 23	0.06 52	0.09 51	0.17 189	0.06 13	0.08 41	0.12 42	0.12 38	0.10 27	0.08 44	0.07 31	0.06 11	0.05 9	0.11 86	0.09 50	0.04 1	0.04 3	0.05 3	0.04 23	0.04 3	0.03 1

CASnet	0.09 55	0.09 283	0.09 51	0.19 325	0.06 13	0.07 24	0.11 25	0.18 172	0.14 118	0.11 126	0.10 91	0.09 97	0.07 82	0.10 44	0.10 106	0.06 92	0.04 3	0.10 370	0.08 306	0.05 74	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.08 23	0.05 16	0.07 4	0.15 65	0.07 52	0.08 41	0.15 189	0.11 24	0.10 27	0.08 44	0.09 66	0.06 11	0.09 141	0.10 44	0.09 50	0.05 7	0.04 3	0.05 3	0.03 1	0.04 3	0.03 1

Selective-IGEV	0.07 4	0.06 52	0.08 18	0.17 189	0.06 13	0.08 41	0.12 42	0.13 50	0.07 8	0.08 44	0.07 31	0.06 11	0.04 1	0.10 44	0.09 50	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.03 1

test_4	0.10 113	0.10 338	0.08 18	0.19 325	0.09 208	0.08 41	0.22 416	0.15 85	0.17 175	0.12 162	0.18 233	0.12 163	0.09 141	0.08 13	0.11 159	0.04 1	0.04 3	0.08 246	0.08 306	0.04 3	0.03 1

RAFT-Stereo + iAFF	0.09 55	0.06 52	0.10 81	0.17 189	0.06 13	0.10 102	0.16 254	0.17 143	0.14 118	0.09 69	0.10 91	0.08 73	0.09 141	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.06 155	0.04 3	0.03 1

AFF-stereo	0.09 55	0.06 52	0.10 81	0.17 189	0.07 52	0.10 102	0.16 254	0.17 143	0.09 15	0.10 100	0.12 131	0.09 97	0.09 141	0.12 164	0.09 50	0.05 7	0.04 3	0.07 165	0.07 242	0.04 3	0.03 1

xyz-stereo	0.13 246	0.07 125	0.20 391	0.15 65	0.05 1	0.20 380	0.15 189	0.17 143	0.31 374	0.15 237	0.29 383	0.26 380	0.16 331	0.13 205	0.12 206	0.05 7	0.05 160	0.06 75	0.05 81	0.04 3	0.04 20

LG-Stereo_L1	0.07 4	0.05 16	0.11 121	0.14 25	0.06 13	0.07 24	0.13 77	0.09 10	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 13	0.07 1	0.05 7	0.04 3	0.05 3	0.03 1	0.04 3	0.04 20

MLG-Stereo_test1	0.06 1	0.05 16	0.08 18	0.17 189	0.05 1	0.06 8	0.11 25	0.08 3	0.03 1	0.05 1	0.04 1	0.06 11	0.05 9	0.09 23	0.09 50	0.05 7	0.04 3	0.05 3	0.03 1	0.04 3	0.04 20

MLG-Stereo	0.07 4	0.05 16	0.08 18	0.17 189	0.05 1	0.07 24	0.11 25	0.08 3	0.04 2	0.05 1	0.04 1	0.06 11	0.05 9	0.10 44	0.09 50	0.05 7	0.04 3	0.05 3	0.03 1	0.04 3	0.04 20

LG-Stereo_Zeroshot	0.07 4	0.06 52	0.10 81	0.16 124	0.07 52	0.04 1	0.13 77	0.10 15	0.10 27	0.05 1	0.11 119	0.07 45	0.05 9	0.07 3	0.09 50	0.06 92	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

LG-Stereo	0.08 23	0.07 125	0.10 81	0.18 269	0.07 52	0.10 102	0.17 285	0.11 24	0.08 10	0.05 1	0.07 31	0.05 1	0.07 82	0.09 23	0.09 50	0.04 1	0.05 160	0.07 165	0.07 242	0.04 3	0.04 20

MM-Stereo_test3	0.10 113	0.07 125	0.07 4	0.18 269	0.07 52	0.12 177	0.19 368	0.24 286	0.19 215	0.06 9	0.10 91	0.08 73	0.06 32	0.11 86	0.08 17	0.06 92	0.06 276	0.07 165	0.05 81	0.05 74	0.04 20

MM-Stereo_test1	0.10 113	0.07 125	0.08 18	0.18 269	0.07 52	0.12 177	0.18 330	0.21 223	0.20 238	0.09 69	0.11 119	0.08 73	0.06 32	0.10 44	0.10 106	0.06 92	0.05 160	0.07 165	0.06 155	0.05 74	0.04 20

HART	0.08 23	0.07 125	0.09 51	0.17 189	0.07 52	0.10 102	0.16 254	0.13 50	0.11 50	0.08 44	0.10 91	0.07 45	0.05 9	0.10 44	0.08 17	0.05 7	0.04 3	0.06 75	0.04 23	0.05 74	0.04 20

GREAT-IGEV	0.07 4	0.06 52	0.08 18	0.13 12	0.07 52	0.07 24	0.14 123	0.09 10	0.09 15	0.06 9	0.07 31	0.06 11	0.05 9	0.10 44	0.07 1	0.05 7	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

SCV	0.08 23	0.09 283	0.08 18	0.15 65	0.08 101	0.10 102	0.13 77	0.10 15	0.12 66	0.07 24	0.07 31	0.06 11	0.04 1	0.09 23	0.08 17	0.05 7	0.04 3	0.06 75	0.04 23	0.06 164	0.04 20

DEFOM-Stereo_RVC	0.08 23	0.06 52	0.09 51	0.22 418	0.06 13	0.08 41	0.12 42	0.10 15	0.10 27	0.07 24	0.07 31	0.06 11	0.05 9	0.11 86	0.09 50	0.06 92	0.04 3	0.05 3	0.03 1	0.06 164	0.04 20

FoundationStereo	0.06 1	0.04 1	0.08 18	0.12 4	0.05 1	0.09 62	0.13 77	0.06 1	0.09 15	0.05 1	0.05 7	0.06 11	0.04 1	0.06 1	0.07 1	0.06 92	0.04 3	0.05 3	0.03 1	0.05 74	0.04 20

StereoAnything_RVC	0.07 4	0.15 427	0.17 345	0.11 1	0.05 1	0.05 4	0.11 25	0.08 3	0.08 10	0.06 9	0.06 12	0.05 1	0.05 9	0.09 23	0.08 17	0.08 270	0.04 3	0.05 3	0.03 1	0.05 74	0.04 20

HUF	0.08 23	0.05 16	0.08 18	0.14 25	0.06 13	0.09 62	0.13 77	0.13 50	0.13 96	0.07 24	0.07 31	0.08 73	0.06 32	0.10 44	0.09 50	0.06 92	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

GIP-stereo	0.08 23	0.06 52	0.11 121	0.14 25	0.06 13	0.09 62	0.13 77	0.14 65	0.11 50	0.07 24	0.08 53	0.05 1	0.04 1	0.10 44	0.07 1	0.05 7	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

DEFOM-Stereo	0.07 4	0.05 16	0.07 4	0.14 25	0.06 13	0.10 102	0.13 77	0.07 2	0.13 96	0.06 9	0.07 31	0.06 11	0.05 9	0.10 44	0.09 50	0.04 1	0.04 3	0.05 3	0.03 1	0.04 3	0.04 20

SMoEStereo_RVC	0.08 23	0.06 52	0.12 155	0.16 124	0.07 52	0.09 62	0.14 123	0.11 24	0.13 96	0.09 69	0.07 31	0.07 45	0.07 82	0.12 164	0.10 106	0.05 7	0.04 3	0.06 75	0.05 81	0.04 3	0.04 20

tg	0.10 113	0.06 52	0.10 81	0.18 269	0.08 101	0.11 144	0.16 254	0.20 202	0.12 66	0.08 44	0.11 119	0.11 146	0.07 82	0.11 86	0.10 106	0.05 7	0.04 3	0.08 246	0.08 306	0.04 3	0.04 20

dual_stereo	0.07 4	0.04 1	0.08 18	0.15 65	0.05 1	0.05 4	0.13 77	0.12 38	0.08 10	0.07 24	0.06 12	0.05 1	0.05 9	0.07 3	0.09 50	0.06 92	0.04 3	0.05 3	0.03 1	0.04 3	0.04 20

GCAP-BAT	0.09 55	0.07 125	0.14 234	0.15 65	0.08 101	0.10 102	0.13 77	0.14 65	0.10 27	0.11 126	0.10 91	0.08 73	0.07 82	0.12 164	0.10 106	0.06 92	0.05 160	0.06 75	0.04 23	0.04 3	0.04 20

IGEV-Stereo++	0.07 4	0.06 52	0.08 18	0.18 269	0.06 13	0.04 1	0.10 14	0.11 24	0.11 50	0.06 9	0.07 31	0.07 45	0.06 32	0.09 23	0.09 50	0.05 7	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

RAStereo	0.10 113	0.09 283	0.08 18	0.20 374	0.08 101	0.13 215	0.18 330	0.15 85	0.17 175	0.10 100	0.12 131	0.05 1	0.06 32	0.09 23	0.08 17	0.07 210	0.05 160	0.07 165	0.05 81	0.05 74	0.04 20

AIO-Stereo	0.08 23	0.06 52	0.09 51	0.18 269	0.06 13	0.08 41	0.12 42	0.15 85	0.09 15	0.08 44	0.08 53	0.07 45	0.05 9	0.11 86	0.08 17	0.05 7	0.05 160	0.05 3	0.04 23	0.04 3	0.04 20

WCG-NET（raft）	0.08 23	0.05 16	0.10 81	0.15 65	0.06 13	0.11 144	0.13 77	0.15 85	0.12 66	0.08 44	0.07 31	0.06 11	0.06 32	0.13 205	0.08 17	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.04 20

RAFT-Stereo-weight	0.09 55	0.06 52	0.10 81	0.16 124	0.07 52	0.09 62	0.14 123	0.19 191	0.16 157	0.11 126	0.10 91	0.08 73	0.06 32	0.10 44	0.11 159	0.06 92	0.04 3	0.06 75	0.04 23	0.04 3	0.04 20

gcap-zeroshot	0.09 55	0.05 16	0.10 81	0.16 124	0.07 52	0.13 215	0.13 77	0.11 24	0.12 66	0.13 189	0.12 131	0.09 97	0.08 115	0.09 23	0.09 50	0.06 92	0.05 160	0.06 75	0.05 81	0.04 3	0.04 20

test_for_model	0.09 55	0.12 380	0.14 234	0.23 438	0.11 356	0.08 41	0.13 77	0.12 38	0.12 66	0.10 100	0.07 31	0.07 45	0.06 32	0.11 86	0.10 106	0.06 92	0.05 160	0.05 3	0.03 1	0.07 230	0.04 20

MoCha-V2	0.08 23	0.05 16	0.10 81	0.20 374	0.07 52	0.09 62	0.14 123	0.11 24	0.08 10	0.07 24	0.08 53	0.07 45	0.06 32	0.09 23	0.08 17	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.04 20

IGEV++	0.08 23	0.06 52	0.08 18	0.18 269	0.07 52	0.09 62	0.13 77	0.10 15	0.09 15	0.08 44	0.08 53	0.06 11	0.06 32	0.13 205	0.09 50	0.05 7	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

AE-Stereo	0.10 113	0.08 217	0.10 81	0.18 269	0.09 208	0.10 102	0.15 189	0.14 65	0.19 215	0.09 69	0.14 158	0.12 163	0.08 115	0.11 86	0.10 106	0.05 7	0.06 276	0.07 165	0.06 155	0.05 74	0.04 20

MaDis-Stereo	0.09 55	0.09 283	0.08 18	0.17 189	0.09 208	0.13 215	0.10 14	0.16 110	0.16 157	0.09 69	0.11 119	0.06 11	0.06 32	0.09 23	0.13 247	0.07 210	0.06 276	0.07 165	0.05 81	0.05 74	0.04 20

MSKI-zero shot	0.09 55	0.05 16	0.09 51	0.15 65	0.07 52	0.10 102	0.13 77	0.14 65	0.13 96	0.09 69	0.09 66	0.09 97	0.06 32	0.12 164	0.10 106	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.04 20

DLNR_Zeroshot_test	10.40 546	1.82 537	19.49 552	120.77 557	13.11 550	0.06 8	0.13 77	0.23 264	0.10 27	0.07 24	0.10 91	0.09 97	0.06 32	0.10 44	0.09 50	0.13 438	0.04 3	0.06 75	0.04 23	51.54 556	0.04 20

testlalala	0.08 23	0.07 125	0.17 345	0.16 124	0.08 101	0.09 62	0.12 42	0.15 85	0.10 27	0.07 24	0.09 66	0.06 11	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.04 23	0.04 3	0.04 20

AEACV	0.08 23	0.05 16	0.08 18	0.14 25	0.13 408	0.14 247	0.13 77	0.14 65	0.09 15	0.07 24	0.09 66	0.07 45	0.08 115	0.10 44	0.09 50	0.06 92	0.04 3	0.06 75	0.05 81	0.05 74	0.04 20

HH	0.09 55	0.06 52	0.13 200	0.17 189	0.08 101	0.10 102	0.16 254	0.14 65	0.10 27	0.08 44	0.09 66	0.08 73	0.07 82	0.10 44	0.09 50	0.06 92	0.04 3	0.06 75	0.05 81	0.05 74	0.04 20

HanStereo	0.09 55	0.06 52	0.13 200	0.17 189	0.08 101	0.10 102	0.16 254	0.14 65	0.10 27	0.08 44	0.09 66	0.08 73	0.07 82	0.10 44	0.09 50	0.06 92	0.04 3	0.06 75	0.05 81	0.05 74	0.04 20

CAS	0.08 23	0.04 1	0.07 4	0.17 189	0.08 101	0.10 102	0.13 77	0.12 38	0.09 15	0.09 69	0.10 91	0.08 73	0.06 32	0.09 23	0.08 17	0.08 270	0.04 3	0.05 3	0.03 1	0.05 74	0.04 20

EGLCR-Stereo	0.08 23	0.05 16	0.08 18	0.14 25	0.06 13	0.10 102	0.12 42	0.11 24	0.16 157	0.06 9	0.05 7	0.07 45	0.05 9	0.10 44	0.11 159	0.06 92	0.04 3	0.06 75	0.05 81	0.04 3	0.04 20

DCRE	0.11 156	0.07 125	0.13 200	0.16 124	0.11 356	0.11 144	0.17 285	0.18 172	0.17 175	0.11 126	0.18 233	0.10 125	0.10 171	0.15 252	0.11 159	0.06 92	0.05 160	0.06 75	0.06 155	0.05 74	0.04 20

MC-Stereo	0.08 23	0.06 52	0.09 51	0.17 189	0.06 13	0.10 102	0.14 123	0.12 38	0.10 27	0.09 69	0.12 131	0.09 97	0.06 32	0.11 86	0.10 106	0.06 92	0.04 3	0.06 75	0.05 81	0.04 3	0.04 20

RCA-Stereo	0.09 55	0.06 52	0.09 51	0.16 124	0.06 13	0.09 62	0.13 77	0.18 172	0.14 118	0.09 69	0.10 91	0.08 73	0.07 82	0.12 164	0.11 159	0.06 92	0.04 3	0.06 75	0.05 81	0.05 74	0.04 20

ADStereo(finetuned)	0.10 113	0.06 52	0.12 155	0.16 124	0.06 13	0.09 62	0.17 285	0.15 85	0.19 215	0.13 189	0.17 208	0.10 125	0.12 225	0.11 86	0.12 206	0.06 92	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

raft_robust	0.13 246	0.10 338	0.07 4	0.18 269	0.08 101	0.13 215	0.24 437	0.28 359	0.33 388	0.20 347	0.19 241	0.14 207	0.10 171	0.11 86	0.12 206	0.05 7	0.05 160	0.07 165	0.07 242	0.05 74	0.04 20

RAFT_CTSACE	0.12 221	0.09 283	0.10 81	0.22 418	0.08 101	0.12 177	0.24 437	0.18 172	0.16 157	0.20 347	0.27 358	0.13 187	0.07 82	0.13 205	0.09 50	0.05 7	0.06 276	0.08 246	0.07 242	0.04 3	0.04 20

SA	0.12 221	0.09 283	0.08 18	0.18 269	0.08 101	0.12 177	0.24 437	0.23 264	0.18 201	0.17 281	0.27 358	0.14 207	0.11 196	0.11 86	0.11 159	0.05 7	0.05 160	0.09 325	0.08 306	0.05 74	0.04 20

IPLG	0.10 113	0.07 125	0.15 283	0.17 189	0.08 101	0.11 144	0.14 123	0.20 202	0.15 132	0.12 162	0.17 208	0.07 45	0.07 82	0.14 230	0.13 247	0.06 92	0.04 3	0.06 75	0.05 81	0.04 3	0.04 20

MIPNet	0.11 156	0.08 217	0.14 234	0.17 189	0.09 208	0.12 177	0.14 123	0.20 202	0.24 293	0.11 126	0.10 91	0.09 97	0.07 82	0.13 205	0.12 206	0.06 92	0.04 3	0.06 75	0.05 81	0.04 3	0.04 20

IPLGR	0.11 156	0.09 283	0.16 317	0.18 269	0.08 101	0.12 177	0.17 285	0.21 223	0.24 293	0.11 126	0.12 131	0.11 146	0.08 115	0.12 164	0.12 206	0.06 92	0.05 160	0.06 75	0.06 155	0.04 3	0.04 20

GMOStereo	0.11 156	0.09 283	0.07 4	0.19 325	0.08 101	0.12 177	0.28 472	0.13 50	0.17 175	0.11 126	0.17 208	0.14 207	0.12 225	0.07 3	0.07 1	0.05 7	0.05 160	0.09 325	0.07 242	0.04 3	0.04 20

error version	0.11 156	0.09 283	0.07 4	0.19 325	0.08 101	0.12 177	0.28 472	0.13 50	0.17 175	0.11 126	0.17 208	0.14 207	0.12 225	0.07 3	0.07 1	0.05 7	0.05 160	0.09 325	0.07 242	0.04 3	0.04 20

test-v	0.11 156	0.09 283	0.07 4	0.19 325	0.08 101	0.12 177	0.28 472	0.13 50	0.17 175	0.11 126	0.17 208	0.14 207	0.12 225	0.07 3	0.07 1	0.05 7	0.05 160	0.09 325	0.07 242	0.04 3	0.04 20

test-3	0.08 23	0.06 52	0.09 51	0.17 189	0.07 52	0.07 24	0.14 123	0.12 38	0.15 132	0.09 69	0.08 53	0.07 45	0.08 115	0.11 86	0.10 106	0.05 7	0.04 3	0.07 165	0.05 81	0.04 3	0.04 20

test_1	0.08 23	0.06 52	0.09 51	0.17 189	0.07 52	0.07 24	0.14 123	0.12 38	0.15 132	0.09 69	0.08 53	0.07 45	0.08 115	0.11 86	0.10 106	0.05 7	0.04 3	0.07 165	0.05 81	0.04 3	0.04 20

test_3	0.10 113	0.09 283	0.10 81	0.20 374	0.08 101	0.13 215	0.26 459	0.14 65	0.21 253	0.10 100	0.10 91	0.09 97	0.09 141	0.08 13	0.11 159	0.05 7	0.04 3	0.08 246	0.07 242	0.04 3	0.04 20

TRStereo	0.09 55	0.05 16	0.12 155	0.15 65	0.12 387	0.10 102	0.13 77	0.18 172	0.18 201	0.09 69	0.09 66	0.09 97	0.06 32	0.10 44	0.08 17	0.07 210	0.05 160	0.07 165	0.07 242	0.04 3	0.04 20

STrans-v2	0.10 113	0.07 125	0.12 155	0.18 269	0.07 52	0.10 102	0.14 123	0.21 223	0.11 50	0.11 126	0.15 175	0.12 163	0.10 171	0.11 86	0.12 206	0.05 7	0.04 3	0.06 75	0.06 155	0.04 3	0.04 20

OMP-Stereo	0.11 156	0.06 52	0.14 234	0.18 269	0.08 101	0.09 62	0.12 42	0.21 223	0.21 253	0.13 189	0.14 158	0.11 146	0.12 225	0.11 86	0.13 247	0.06 92	0.04 3	0.07 165	0.06 155	0.05 74	0.04 20

IIG-Stereo	0.11 156	0.06 52	0.13 200	0.17 189	0.08 101	0.11 144	0.12 42	0.22 245	0.17 175	0.14 210	0.17 208	0.11 146	0.12 225	0.12 164	0.12 206	0.06 92	0.05 160	0.07 165	0.06 155	0.05 74	0.04 20

CroCo-Stereo	0.09 55	0.08 217	0.08 18	0.22 418	0.09 208	0.09 62	0.19 368	0.15 85	0.12 66	0.07 24	0.07 31	0.08 73	0.06 32	0.08 13	0.07 1	0.07 210	0.05 160	0.06 75	0.04 23	0.05 74	0.04 20
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.11 156	0.09 283	0.07 4	0.19 325	0.08 101	0.12 177	0.28 472	0.13 50	0.17 175	0.11 126	0.17 208	0.14 207	0.12 225	0.07 3	0.07 1	0.05 7	0.05 160	0.09 325	0.07 242	0.04 3	0.04 20

cross-raft	0.10 113	0.09 283	0.09 51	0.19 325	0.07 52	0.11 144	0.25 452	0.13 50	0.15 132	0.08 44	0.11 119	0.12 163	0.10 171	0.09 23	0.11 159	0.05 7	0.04 3	0.06 75	0.05 81	0.04 3	0.04 20

test-1	0.10 113	0.07 125	0.16 317	0.19 325	0.08 101	0.11 144	0.24 437	0.14 65	0.18 201	0.09 69	0.07 31	0.09 97	0.08 115	0.07 3	0.09 50	0.06 92	0.04 3	0.06 75	0.05 81	0.04 3	0.04 20

iRaftStereo_RVC	0.10 113	0.07 125	0.09 51	0.17 189	0.09 208	0.11 144	0.17 285	0.18 172	0.12 66	0.09 69	0.12 131	0.10 125	0.07 82	0.11 86	0.10 106	0.05 7	0.04 3	0.08 246	0.08 306	0.04 3	0.04 20

CREStereo++_RVC	0.08 23	0.04 1	0.06 2	0.13 12	0.07 52	0.09 62	0.12 42	0.14 65	0.14 118	0.10 100	0.14 158	0.08 73	0.07 82	0.09 23	0.11 159	0.06 92	0.04 3	0.05 3	0.05 81	0.04 3	0.04 20
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.09 55	0.06 52	0.07 4	0.15 65	0.05 1	0.16 302	0.18 330	0.15 85	0.15 132	0.10 100	0.11 119	0.11 146	0.11 196	0.10 44	0.12 206	0.05 7	0.04 3	0.05 3	0.04 23	0.04 3	0.04 20

RALAANet	0.11 156	0.08 217	0.10 81	0.17 189	0.09 208	0.14 247	0.10 14	0.20 202	0.15 132	0.14 210	0.13 144	0.16 250	0.09 141	0.12 164	0.11 159	0.06 92	0.05 160	0.07 165	0.06 155	0.05 74	0.04 20

XX-Stereo	0.09 55	0.05 16	0.08 18	0.17 189	0.09 208	0.15 272	0.12 42	0.20 202	0.10 27	0.10 100	0.14 158	0.07 45	0.06 32	0.12 164	0.08 17	0.06 92	0.05 160	0.06 75	0.06 155	0.04 3	0.04 20

DCANet	0.10 113	0.06 52	0.12 155	0.16 124	0.06 13	0.09 62	0.17 285	0.15 85	0.19 215	0.13 189	0.17 208	0.10 125	0.11 196	0.11 86	0.12 206	0.06 92	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

ARAFT	0.12 221	0.08 217	0.17 345	0.19 325	0.09 208	0.14 247	0.18 330	0.20 202	0.12 66	0.12 162	0.13 144	0.14 207	0.11 196	0.15 252	0.12 206	0.06 92	0.05 160	0.10 370	0.09 350	0.05 74	0.04 20

EAI-Stereo	0.09 55	0.07 125	0.11 121	0.15 65	0.06 13	0.10 102	0.15 189	0.16 110	0.09 15	0.08 44	0.09 66	0.08 73	0.07 82	0.09 23	0.11 159	0.05 7	0.04 3	0.05 3	0.05 81	0.05 74	0.04 20

CFNet-RSSM	0.09 55	0.07 125	0.09 51	0.16 124	0.07 52	0.09 62	0.15 189	0.16 110	0.17 175	0.08 44	0.12 131	0.10 125	0.09 141	0.11 86	0.09 50	0.06 92	0.04 3	0.06 75	0.04 23	0.04 3	0.04 20

Gwc-CoAtRS	0.09 55	0.06 52	0.10 81	0.16 124	0.07 52	0.10 102	0.14 123	0.17 143	0.17 175	0.08 44	0.10 91	0.12 163	0.09 141	0.12 164	0.09 50	0.06 92	0.04 3	0.06 75	0.04 23	0.04 3	0.04 20

MLCV	0.12 221	0.07 125	0.16 317	0.18 269	0.06 13	0.15 272	0.17 285	0.19 191	0.21 253	0.18 311	0.25 332	0.17 270	0.13 262	0.14 230	0.13 247	0.05 7	0.04 3	0.05 3	0.04 23	0.05 74	0.04 20

xyz-stereo-finetune	0.11 156	0.08 217	0.13 200	0.14 25	0.06 13	0.10 102	0.19 368	0.17 143	0.19 215	0.12 162	0.14 158	0.15 236	0.10 171	0.13 205	0.11 159	0.05 7	0.04 3	0.07 165	0.05 81	0.04 3	0.05 95

MLG-Stereo_test2	0.06 1	0.04 1	0.10 81	0.15 65	0.05 1	0.07 24	0.11 25	0.09 10	0.04 2	0.06 9	0.05 7	0.06 11	0.04 1	0.08 13	0.09 50	0.06 92	0.04 3	0.05 3	0.03 1	0.05 74	0.05 95

LG-G_1	0.07 4	0.04 1	0.11 121	0.15 65	0.06 13	0.09 62	0.08 4	0.08 3	0.06 4	0.06 9	0.05 7	0.07 45	0.07 82	0.11 86	0.08 17	0.07 210	0.04 3	0.05 3	0.04 23	0.05 74	0.05 95

LG-G	0.07 4	0.04 1	0.11 121	0.15 65	0.06 13	0.09 62	0.08 4	0.08 3	0.06 4	0.06 9	0.05 7	0.07 45	0.07 82	0.11 86	0.08 17	0.07 210	0.04 3	0.05 3	0.04 23	0.05 74	0.05 95

DFGA-Net	0.13 246	0.11 363	0.18 368	0.17 189	0.10 309	0.12 177	0.13 77	0.22 245	0.25 314	0.16 265	0.16 187	0.13 187	0.12 225	0.16 286	0.14 284	0.07 210	0.05 160	0.08 246	0.07 242	0.05 74	0.05 95

Reg-Stereo(zero)	0.08 23	0.05 16	0.08 18	0.16 124	0.06 13	0.12 177	0.11 25	0.15 85	0.10 27	0.12 162	0.09 66	0.10 125	0.08 115	0.11 86	0.08 17	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.05 95

SCV_C0	0.08 23	0.07 125	0.07 4	0.16 124	0.09 208	0.08 41	0.15 189	0.11 24	0.12 66	0.08 44	0.07 31	0.06 11	0.05 9	0.11 86	0.07 1	0.05 7	0.05 160	0.05 3	0.04 23	0.06 164	0.05 95

AIO-test2	0.10 113	0.08 217	0.10 81	0.23 438	0.08 101	0.11 144	0.10 14	0.23 264	0.23 277	0.08 44	0.09 66	0.08 73	0.05 9	0.10 44	0.08 17	0.06 92	0.05 160	0.08 246	0.09 350	0.05 74	0.05 95

fffft	0.09 55	0.06 52	0.12 155	0.16 124	0.07 52	0.09 62	0.17 285	0.12 38	0.11 50	0.08 44	0.07 31	0.09 97	0.06 32	0.11 86	0.12 206	0.05 7	0.04 3	0.06 75	0.05 81	0.04 3	0.05 95
1: 1. 1
999	0.09 55	0.05 16	0.13 200	0.15 65	0.08 101	0.10 102	0.14 123	0.15 85	0.11 50	0.10 100	0.08 53	0.08 73	0.08 115	0.16 286	0.10 106	0.06 92	0.04 3	0.06 75	0.05 81	0.04 3	0.05 95

fffy	0.09 55	0.08 217	0.09 51	0.16 124	0.07 52	0.13 215	0.17 285	0.13 50	0.12 66	0.08 44	0.09 66	0.08 73	0.09 141	0.13 205	0.11 159	0.05 7	0.05 160	0.07 165	0.05 81	0.04 3	0.05 95

UGAM	0.13 246	0.10 338	0.09 51	0.22 418	0.08 101	0.12 177	0.20 390	0.17 143	0.23 277	0.21 360	0.16 187	0.13 187	0.13 262	0.19 353	0.12 206	0.07 210	0.05 160	0.13 433	0.11 415	0.07 230	0.05 95

rvit_stereo_0083	0.12 221	0.08 217	0.17 345	0.16 124	0.09 208	0.11 144	0.15 189	0.14 65	0.26 328	0.11 126	0.14 158	0.13 187	0.10 171	0.12 164	0.12 206	0.10 362	0.08 371	0.09 325	0.07 242	0.07 230	0.05 95

rvit_stereo_0081	0.11 156	0.08 217	0.15 283	0.16 124	0.09 208	0.10 102	0.14 123	0.14 65	0.24 293	0.11 126	0.13 144	0.13 187	0.09 141	0.11 86	0.12 206	0.10 362	0.07 345	0.08 246	0.07 242	0.07 230	0.05 95

rvit_stereo_0082	0.11 156	0.08 217	0.15 283	0.16 124	0.09 208	0.10 102	0.14 123	0.14 65	0.24 293	0.11 126	0.13 144	0.13 187	0.09 141	0.11 86	0.12 206	0.10 362	0.07 345	0.08 246	0.07 242	0.07 230	0.05 95

Occ-G	0.08 23	0.05 16	0.06 2	0.14 25	0.07 52	0.08 41	0.14 123	0.13 50	0.15 132	0.07 24	0.11 119	0.07 45	0.05 9	0.09 23	0.10 106	0.06 92	0.05 160	0.05 3	0.04 23	0.05 74	0.05 95

Pointernet	0.09 55	0.04 1	0.09 51	0.16 124	0.08 101	0.13 215	0.10 14	0.15 85	0.17 175	0.09 69	0.07 31	0.06 11	0.06 32	0.11 86	0.09 50	0.08 270	0.04 3	0.05 3	0.03 1	0.06 164	0.05 95

U	0.08 23	0.07 125	0.09 51	0.19 325	0.10 309	0.10 102	0.13 77	0.12 38	0.17 175	0.07 24	0.07 31	0.06 11	0.05 9	0.07 3	0.08 17	0.06 92	0.04 3	0.06 75	0.04 23	0.06 164	0.05 95

rvit_stereo_0080	0.10 113	0.08 217	0.14 234	0.15 65	0.09 208	0.07 24	0.15 189	0.16 110	0.16 157	0.11 126	0.10 91	0.14 207	0.08 115	0.12 164	0.10 106	0.09 325	0.07 345	0.07 165	0.06 155	0.07 230	0.05 95

IGEV-BASED-STEREO-	0.09 55	0.10 338	0.31 450	0.15 65	0.06 13	0.08 41	0.14 123	0.10 15	0.10 27	0.07 24	0.07 31	0.06 11	0.04 1	0.11 86	0.07 1	0.12 415	0.04 3	0.07 165	0.05 81	0.05 74	0.05 95

rvit_stereo_ft	0.12 221	0.07 125	0.13 200	0.19 325	0.10 309	0.12 177	0.17 285	0.16 110	0.16 157	0.12 162	0.13 144	0.15 236	0.10 171	0.14 230	0.13 247	0.09 325	0.06 276	0.08 246	0.07 242	0.07 230	0.05 95

trnet	0.08 23	0.05 16	0.07 4	0.12 4	0.05 1	0.12 177	0.11 25	0.13 50	0.10 27	0.08 44	0.13 144	0.09 97	0.08 115	0.11 86	0.10 106	0.08 270	0.05 160	0.05 3	0.03 1	0.06 164	0.05 95

testlalala2	0.10 113	0.06 52	0.11 121	0.20 374	0.10 309	0.10 102	0.12 42	0.17 143	0.12 66	0.12 162	0.13 144	0.09 97	0.07 82	0.11 86	0.13 247	0.06 92	0.05 160	0.05 3	0.04 23	0.05 74	0.05 95

H2IRNET	0.10 113	0.09 283	0.09 51	0.18 269	0.09 208	0.12 177	0.15 189	0.14 65	0.21 253	0.10 100	0.10 91	0.10 125	0.10 171	0.10 44	0.10 106	0.05 7	0.04 3	0.08 246	0.08 306	0.06 164	0.05 95

MGS-Stereo	0.09 55	0.07 125	0.12 155	0.15 65	0.08 101	0.09 62	0.15 189	0.12 38	0.12 66	0.07 24	0.10 91	0.08 73	0.06 32	0.10 44	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.06 164	0.05 95

CoDeX	0.12 221	0.07 125	0.12 155	0.17 189	0.08 101	0.12 177	0.15 189	0.23 264	0.27 337	0.13 189	0.17 208	0.16 250	0.11 196	0.14 230	0.11 159	0.07 210	0.05 160	0.07 165	0.06 155	0.06 164	0.05 95

whm_eth	0.10 113	0.08 217	0.14 234	0.15 65	0.09 208	0.07 24	0.15 189	0.16 110	0.16 157	0.11 126	0.10 91	0.14 207	0.08 115	0.12 164	0.10 106	0.09 325	0.07 345	0.07 165	0.06 155	0.07 230	0.05 95

IGEV_Zeroshot_test	0.09 55	0.05 16	0.12 155	0.13 12	0.08 101	0.12 177	0.13 77	0.17 143	0.11 50	0.10 100	0.06 12	0.09 97	0.06 32	0.11 86	0.09 50	0.06 92	0.04 3	0.06 75	0.06 155	0.05 74	0.05 95

StereoVision	0.13 246	0.12 380	0.09 51	0.24 447	0.10 309	0.15 272	0.21 407	0.21 223	0.20 238	0.12 162	0.24 303	0.10 125	0.10 171	0.16 286	0.10 106	0.09 325	0.11 428	0.12 418	0.12 434	0.06 164	0.05 95

UniTT-Stereo	0.09 55	0.07 125	0.08 18	0.18 269	0.08 101	0.13 215	0.11 25	0.12 38	0.11 50	0.10 100	0.12 131	0.05 1	0.07 82	0.09 23	0.09 50	0.07 210	0.05 160	0.05 3	0.05 81	0.05 74	0.05 95

MIM_Stereo	0.09 55	0.07 125	0.11 121	0.15 65	0.07 52	0.06 8	0.12 42	0.20 202	0.14 118	0.13 189	0.13 144	0.09 97	0.05 9	0.12 164	0.08 17	0.05 7	0.06 276	0.07 165	0.06 155	0.06 164	0.05 95

testlalala_base	0.10 113	0.09 283	0.14 234	0.21 403	0.08 101	0.10 102	0.14 123	0.13 50	0.10 27	0.07 24	0.15 175	0.07 45	0.08 115	0.10 44	0.12 206	0.08 270	0.05 160	0.05 3	0.03 1	0.06 164	0.05 95

GCAP-Stereo	0.09 55	0.07 125	0.13 200	0.18 269	0.06 13	0.11 144	0.07 2	0.13 50	0.12 66	0.09 69	0.10 91	0.07 45	0.09 141	0.13 205	0.10 106	0.06 92	0.05 160	0.05 3	0.04 23	0.04 3	0.05 95

Any-RAFT	0.10 113	0.05 16	0.09 51	0.14 25	0.07 52	0.13 215	0.14 123	0.21 223	0.15 132	0.11 126	0.12 131	0.12 163	0.09 141	0.12 164	0.09 50	0.07 210	0.04 3	0.05 3	0.04 23	0.06 164	0.05 95

RAFT-Test	0.09 55	0.06 52	0.10 81	0.15 65	0.07 52	0.11 144	0.15 189	0.16 110	0.13 96	0.09 69	0.10 91	0.10 125	0.09 141	0.12 164	0.09 50	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.05 95

LL-Strereo2	0.10 113	0.10 338	0.15 283	0.18 269	0.08 101	0.15 272	0.09 8	0.17 143	0.14 118	0.14 210	0.10 91	0.09 97	0.07 82	0.16 286	0.10 106	0.05 7	0.05 160	0.10 370	0.07 242	0.06 164	0.05 95

LL-Strereo	0.13 246	0.09 283	0.11 121	0.20 374	0.10 309	0.11 144	0.18 330	0.32 403	0.24 293	0.15 237	0.15 175	0.14 207	0.13 262	0.19 353	0.11 159	0.06 92	0.04 3	0.09 325	0.08 306	0.04 3	0.05 95

4D-IteraStereo	0.09 55	0.07 125	0.10 81	0.18 269	0.07 52	0.09 62	0.15 189	0.17 143	0.15 132	0.10 100	0.11 119	0.10 125	0.07 82	0.11 86	0.09 50	0.05 7	0.03 1	0.08 246	0.07 242	0.06 164	0.05 95

anonymousdsp2	0.11 156	0.07 125	0.10 81	0.16 124	0.09 208	0.13 215	0.14 123	0.18 172	0.22 267	0.13 189	0.14 158	0.12 163	0.09 141	0.14 230	0.11 159	0.05 7	0.04 3	0.05 3	0.04 23	0.06 164	0.05 95

LoS	0.09 55	0.05 16	0.11 121	0.13 12	0.07 52	0.14 247	0.11 25	0.15 85	0.15 132	0.09 69	0.09 66	0.12 163	0.09 141	0.15 252	0.10 106	0.07 210	0.05 160	0.05 3	0.03 1	0.05 74	0.05 95
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 23	0.04 1	0.08 18	0.14 25	0.07 52	0.09 62	0.14 123	0.11 24	0.09 15	0.08 44	0.09 66	0.11 146	0.06 32	0.12 164	0.08 17	0.06 92	0.04 3	0.05 3	0.03 1	0.05 74	0.05 95

Selective-RAFT	0.11 156	0.10 338	0.11 121	0.21 403	0.08 101	0.16 302	0.13 77	0.20 202	0.22 267	0.10 100	0.10 91	0.11 146	0.10 171	0.15 252	0.11 159	0.05 7	0.05 160	0.06 75	0.05 81	0.06 164	0.05 95

CroCo-Stereo Lap2	0.09 55	0.09 283	0.08 18	0.22 418	0.09 208	0.09 62	0.19 368	0.16 110	0.12 66	0.09 69	0.10 91	0.05 1	0.05 9	0.08 13	0.08 17	0.06 92	0.06 276	0.07 165	0.05 81	0.05 74	0.05 95

TestStereo1	0.13 246	0.08 217	0.08 18	0.19 325	0.08 101	0.18 341	0.29 481	0.23 264	0.16 157	0.17 281	0.20 253	0.16 250	0.10 171	0.12 164	0.13 247	0.06 92	0.06 276	0.08 246	0.06 155	0.05 74	0.05 95

DCANet-4	0.10 113	0.06 52	0.12 155	0.16 124	0.06 13	0.09 62	0.17 285	0.18 172	0.19 215	0.13 189	0.16 187	0.09 97	0.14 287	0.11 86	0.12 206	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.05 95

fff	0.10 113	0.06 52	0.12 155	0.15 65	0.07 52	0.09 62	0.17 285	0.16 110	0.20 238	0.13 189	0.16 187	0.10 125	0.11 196	0.11 86	0.12 206	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.05 95

SA-5K	0.13 246	0.08 217	0.08 18	0.19 325	0.08 101	0.18 341	0.29 481	0.23 264	0.16 157	0.17 281	0.20 253	0.16 250	0.10 171	0.12 164	0.13 247	0.06 92	0.06 276	0.08 246	0.06 155	0.05 74	0.05 95

Sa-1000	0.12 221	0.08 217	0.08 18	0.18 269	0.08 101	0.14 247	0.22 416	0.22 245	0.18 201	0.15 237	0.20 253	0.17 270	0.11 196	0.10 44	0.10 106	0.06 92	0.05 160	0.09 325	0.09 350	0.05 74	0.05 95

iRaft-Stereo_20w	0.09 55	0.05 16	0.13 200	0.14 25	0.08 101	0.12 177	0.15 189	0.18 172	0.10 27	0.11 126	0.08 53	0.08 73	0.05 9	0.10 44	0.09 50	0.06 92	0.04 3	0.06 75	0.05 81	0.06 164	0.05 95

GLC_STEREO	0.11 156	0.07 125	0.11 121	0.17 189	0.07 52	0.09 62	0.13 77	0.15 85	0.24 293	0.12 162	0.13 144	0.12 163	0.08 115	0.18 337	0.11 159	0.06 92	0.08 371	0.08 246	0.06 155	0.05 74	0.05 95

CrosDoStereo	0.12 221	0.06 52	0.12 155	0.14 25	0.08 101	0.12 177	0.15 189	0.17 143	0.22 267	0.19 326	0.24 303	0.15 236	0.11 196	0.11 86	0.12 206	0.06 92	0.04 3	0.07 165	0.07 242	0.05 74	0.05 95

AAGNet	0.11 156	0.07 125	0.16 317	0.19 325	0.09 208	0.08 41	0.13 77	0.18 172	0.13 96	0.16 265	0.21 274	0.13 187	0.14 287	0.11 86	0.14 284	0.06 92	0.04 3	0.09 325	0.06 155	0.06 164	0.05 95

TransformOpticalFlow	0.10 113	0.08 217	0.13 200	0.18 269	0.07 52	0.09 62	0.15 189	0.19 191	0.15 132	0.12 162	0.17 208	0.11 146	0.11 196	0.11 86	0.10 106	0.05 7	0.04 3	0.06 75	0.06 155	0.05 74	0.05 95

DeepStereo_LL	0.12 221	0.06 52	0.12 155	0.14 25	0.08 101	0.12 177	0.15 189	0.17 143	0.22 267	0.19 326	0.24 303	0.15 236	0.11 196	0.11 86	0.12 206	0.06 92	0.04 3	0.07 165	0.07 242	0.05 74	0.05 95

DEmStereo	0.12 221	0.06 52	0.14 234	0.14 25	0.10 309	0.16 302	0.15 189	0.16 110	0.24 293	0.17 281	0.24 303	0.13 187	0.14 287	0.12 164	0.13 247	0.05 7	0.04 3	0.07 165	0.06 155	0.05 74	0.05 95

SST-Stereo	0.10 113	0.07 125	0.15 283	0.18 269	0.09 208	0.06 8	0.12 42	0.17 143	0.11 50	0.15 237	0.17 208	0.13 187	0.12 225	0.10 44	0.11 159	0.06 92	0.04 3	0.09 325	0.06 155	0.06 164	0.05 95

THIR-Stereo	0.12 221	0.07 125	0.11 121	0.15 65	0.08 101	0.14 247	0.16 254	0.17 143	0.25 314	0.16 265	0.24 303	0.14 207	0.12 225	0.12 164	0.14 284	0.06 92	0.04 3	0.07 165	0.07 242	0.05 74	0.05 95

RAFT_R40	0.11 156	0.07 125	0.14 234	0.18 269	0.09 208	0.06 8	0.13 77	0.17 143	0.16 157	0.14 210	0.18 233	0.15 236	0.12 225	0.10 44	0.11 159	0.06 92	0.04 3	0.09 325	0.06 155	0.06 164	0.05 95

DRaft	0.12 221	0.06 52	0.11 121	0.14 25	0.09 208	0.14 247	0.17 285	0.21 223	0.30 367	0.17 281	0.28 371	0.10 125	0.15 305	0.10 44	0.12 206	0.05 7	0.04 3	0.07 165	0.06 155	0.05 74	0.05 95

PFNet	0.12 221	0.06 52	0.17 345	0.17 189	0.08 101	0.09 62	0.15 189	0.26 319	0.20 238	0.16 265	0.16 187	0.14 207	0.11 196	0.12 164	0.11 159	0.06 92	0.04 3	0.07 165	0.06 155	0.05 74	0.05 95

RAFT-345	0.11 156	0.07 125	0.15 283	0.16 124	0.08 101	0.08 41	0.12 42	0.15 85	0.10 27	0.11 126	0.36 425	0.09 97	0.09 141	0.11 86	0.12 206	0.05 7	0.05 160	0.07 165	0.06 155	0.04 3	0.05 95

AnonymousM	0.09 55	0.05 16	0.10 81	0.14 25	0.06 13	0.09 62	0.13 77	0.19 191	0.14 118	0.13 189	0.11 119	0.09 97	0.08 115	0.13 205	0.10 106	0.08 270	0.05 160	0.08 246	0.05 81	0.05 74	0.05 95

RAFT	0.13 246	0.09 283	0.11 121	0.18 269	0.08 101	0.15 272	0.24 437	0.20 202	0.19 215	0.21 360	0.21 274	0.17 270	0.12 225	0.16 286	0.09 50	0.06 92	0.07 345	0.10 370	0.09 350	0.05 74	0.05 95

TestStereo	0.13 246	0.14 421	0.11 121	0.23 438	0.08 101	0.15 272	0.21 407	0.20 202	0.23 277	0.14 210	0.24 303	0.16 250	0.12 225	0.16 286	0.14 284	0.05 7	0.06 276	0.08 246	0.06 155	0.09 350	0.05 95

raft+_RVC	0.11 156	0.07 125	0.09 51	0.16 124	0.07 52	0.10 102	0.11 25	0.24 286	0.20 238	0.12 162	0.15 175	0.12 163	0.08 115	0.12 164	0.13 247	0.07 210	0.04 3	0.07 165	0.06 155	0.05 74	0.05 95

TANstereo	0.09 55	0.04 1	0.08 18	0.13 12	0.06 13	0.11 144	0.14 123	0.15 85	0.19 215	0.11 126	0.15 175	0.10 125	0.06 32	0.12 164	0.09 50	0.07 210	0.05 160	0.05 3	0.04 23	0.06 164	0.05 95

XX-TBD	0.09 55	0.06 52	0.07 4	0.14 25	0.07 52	0.12 177	0.16 254	0.14 65	0.13 96	0.11 126	0.12 131	0.09 97	0.08 115	0.10 44	0.10 106	0.06 92	0.04 3	0.05 3	0.03 1	0.06 164	0.05 95

raftrobust	0.09 55	0.06 52	0.10 81	0.17 189	0.08 101	0.09 62	0.10 14	0.18 172	0.16 157	0.10 100	0.09 66	0.12 163	0.07 82	0.12 164	0.10 106	0.08 270	0.05 160	0.06 75	0.05 81	0.05 74	0.05 95

csc	0.10 113	0.06 52	0.12 155	0.15 65	0.07 52	0.09 62	0.17 285	0.16 110	0.20 238	0.13 189	0.16 187	0.10 125	0.11 196	0.11 86	0.12 206	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.05 95

cscssc	0.10 113	0.06 52	0.12 155	0.15 65	0.07 52	0.09 62	0.17 285	0.16 110	0.20 238	0.13 189	0.16 187	0.10 125	0.11 196	0.11 86	0.12 206	0.06 92	0.04 3	0.05 3	0.04 23	0.04 3	0.05 95

111	0.10 113	0.06 52	0.12 155	0.15 65	0.07 52	0.10 102	0.14 123	0.21 223	0.23 277	0.11 126	0.12 131	0.14 207	0.11 196	0.13 205	0.10 106	0.06 92	0.04 3	0.06 75	0.04 23	0.05 74	0.05 95

R-Stereo Train	0.10 113	0.06 52	0.10 81	0.17 189	0.08 101	0.11 144	0.14 123	0.23 264	0.11 50	0.12 162	0.19 241	0.11 146	0.08 115	0.09 23	0.11 159	0.07 210	0.05 160	0.06 75	0.05 81	0.05 74	0.05 95

RAFT-Stereo	0.10 113	0.06 52	0.10 81	0.17 189	0.08 101	0.11 144	0.14 123	0.23 264	0.11 50	0.12 162	0.19 241	0.11 146	0.08 115	0.09 23	0.11 159	0.07 210	0.05 160	0.06 75	0.05 81	0.05 74	0.05 95
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 113	0.06 52	0.12 155	0.14 25	0.06 13	0.11 144	0.10 14	0.18 172	0.18 201	0.13 189	0.16 187	0.14 207	0.11 196	0.15 252	0.13 247	0.06 92	0.04 3	0.04 1	0.04 23	0.06 164	0.05 95
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNet	0.13 246	0.10 338	0.18 368	0.19 325	0.08 101	0.13 215	0.18 330	0.20 202	0.26 328	0.15 237	0.23 292	0.15 236	0.13 262	0.14 230	0.14 284	0.06 92	0.04 3	0.06 75	0.05 81	0.06 164	0.05 95

xyz-stereo-finetune2	0.11 156	0.07 125	0.13 200	0.13 12	0.07 52	0.11 144	0.19 368	0.17 143	0.12 66	0.15 237	0.15 175	0.17 270	0.12 225	0.13 205	0.11 159	0.05 7	0.04 3	0.07 165	0.05 81	0.04 3	0.06 170

111111	0.07 4	0.04 1	0.09 51	0.17 189	0.06 13	0.05 4	0.10 14	0.11 24	0.09 15	0.06 9	0.06 12	0.07 45	0.05 9	0.09 23	0.09 50	0.06 92	0.04 3	0.05 3	0.04 23	0.07 230	0.06 170

MLG-Stereo_test3	0.07 4	0.05 16	0.10 81	0.14 25	0.06 13	0.07 24	0.11 25	0.08 3	0.06 4	0.06 9	0.04 1	0.06 11	0.06 32	0.07 3	0.10 106	0.06 92	0.04 3	0.05 3	0.04 23	0.05 74	0.06 170

LGtest1	0.07 4	0.04 1	0.10 81	0.15 65	0.06 13	0.07 24	0.09 8	0.08 3	0.06 4	0.05 1	0.04 1	0.06 11	0.06 32	0.10 44	0.09 50	0.07 210	0.04 3	0.05 3	0.04 23	0.06 164	0.06 170

HI	0.11 156	0.06 52	0.11 121	0.13 12	0.09 208	0.09 62	0.14 123	0.21 223	0.10 27	0.19 326	0.17 208	0.14 207	0.09 141	0.16 286	0.08 17	0.05 7	0.04 3	0.07 165	0.08 306	0.07 230	0.06 170

CoSv	0.11 156	0.06 52	0.11 121	0.13 12	0.09 208	0.09 62	0.14 123	0.21 223	0.10 27	0.19 326	0.17 208	0.14 207	0.09 141	0.16 286	0.08 17	0.05 7	0.04 3	0.07 165	0.08 306	0.07 230	0.06 170

AIO-test1	0.10 113	0.07 125	0.10 81	0.23 438	0.07 52	0.09 62	0.13 77	0.21 223	0.14 118	0.11 126	0.12 131	0.09 97	0.07 82	0.11 86	0.09 50	0.06 92	0.05 160	0.09 325	0.10 385	0.03 1	0.06 170

IGEV-RUCA	0.08 23	0.06 52	0.11 121	0.14 25	0.09 208	0.10 102	0.12 42	0.10 15	0.12 66	0.06 9	0.07 31	0.07 45	0.06 32	0.09 23	0.08 17	0.06 92	0.05 160	0.05 3	0.04 23	0.05 74	0.06 170

tt45	0.09 55	0.06 52	0.11 121	0.15 65	0.07 52	0.11 144	0.16 254	0.13 50	0.11 50	0.09 69	0.06 12	0.08 73	0.06 32	0.13 205	0.10 106	0.06 92	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170

PAM_32	0.09 55	0.05 16	0.17 345	0.15 65	0.08 101	0.10 102	0.15 189	0.14 65	0.15 132	0.09 69	0.08 53	0.09 97	0.07 82	0.14 230	0.08 17	0.06 92	0.05 160	0.06 75	0.06 155	0.05 74	0.06 170

PAM	0.10 113	0.05 16	0.16 317	0.15 65	0.08 101	0.09 62	0.16 254	0.15 85	0.16 157	0.12 162	0.09 66	0.09 97	0.07 82	0.13 205	0.08 17	0.06 92	0.05 160	0.06 75	0.06 155	0.05 74	0.06 170

rvit_0105_6	0.14 279	0.09 283	0.18 368	0.17 189	0.10 309	0.10 102	0.16 254	0.19 191	0.26 328	0.12 162	0.18 233	0.17 270	0.12 225	0.18 337	0.12 206	0.15 455	0.11 428	0.12 418	0.10 385	0.09 350	0.06 170

rvit_0105_5	0.14 279	0.09 283	0.13 200	0.17 189	0.09 208	0.14 247	0.23 425	0.24 286	0.27 337	0.14 210	0.15 175	0.18 284	0.12 225	0.17 318	0.14 284	0.14 451	0.11 428	0.10 370	0.10 385	0.08 291	0.06 170

rvit_0105_4	0.14 279	0.09 283	0.17 345	0.17 189	0.10 309	0.12 177	0.19 368	0.23 264	0.27 337	0.14 210	0.20 253	0.17 270	0.13 262	0.17 318	0.13 247	0.15 455	0.11 428	0.11 401	0.10 385	0.09 350	0.06 170

rvit_0105_3	0.15 322	0.09 283	0.14 234	0.19 325	0.12 387	0.15 272	0.25 452	0.25 302	0.29 357	0.15 237	0.17 208	0.20 310	0.13 262	0.17 318	0.14 284	0.13 438	0.11 428	0.12 418	0.14 447	0.07 230	0.06 170

UGAM-zero	0.09 55	0.05 16	0.15 283	0.15 65	0.08 101	0.09 62	0.13 77	0.19 191	0.15 132	0.11 126	0.15 175	0.07 45	0.07 82	0.09 23	0.09 50	0.06 92	0.05 160	0.06 75	0.05 81	0.05 74	0.06 170

rvit_stereo_0081_aga	0.11 156	0.09 283	0.14 234	0.18 269	0.09 208	0.13 215	0.14 123	0.14 65	0.19 215	0.10 100	0.18 233	0.16 250	0.09 141	0.12 164	0.09 50	0.10 362	0.06 276	0.08 246	0.07 242	0.07 230	0.06 170

model_zeroshot	0.10 113	0.04 1	0.11 121	0.15 65	0.09 208	0.12 177	0.14 123	0.20 202	0.13 96	0.11 126	0.10 91	0.12 163	0.07 82	0.12 164	0.10 106	0.07 210	0.06 276	0.06 75	0.05 81	0.06 164	0.06 170

IGEV-Stereo+	0.07 4	0.04 1	0.08 18	0.15 65	0.06 13	0.04 1	0.09 8	0.10 15	0.09 15	0.06 9	0.06 12	0.06 11	0.06 32	0.06 1	0.08 17	0.06 92	0.04 3	0.05 3	0.04 23	0.06 164	0.06 170

DispNO	0.14 279	0.08 217	0.17 345	0.19 325	0.12 387	0.11 144	0.21 407	0.23 264	0.29 357	0.17 281	0.23 292	0.18 284	0.17 353	0.15 252	0.15 312	0.07 210	0.05 160	0.08 246	0.08 306	0.07 230	0.06 170

Former-RAFT_DAM_RVC	0.10 113	0.08 217	0.12 155	0.16 124	0.08 101	0.15 272	0.16 254	0.18 172	0.18 201	0.10 100	0.09 66	0.09 97	0.08 115	0.11 86	0.12 206	0.07 210	0.05 160	0.08 246	0.06 155	0.07 230	0.06 170

SMFormer	0.14 279	0.07 125	0.17 345	0.14 25	0.08 101	0.16 302	0.17 285	0.26 319	0.27 337	0.19 326	0.20 253	0.18 284	0.15 305	0.15 252	0.17 342	0.08 270	0.05 160	0.07 165	0.06 155	0.07 230	0.06 170

tta	0.14 279	0.07 125	0.17 345	0.14 25	0.08 101	0.16 302	0.17 285	0.26 319	0.27 337	0.19 326	0.20 253	0.18 284	0.15 305	0.15 252	0.17 342	0.08 270	0.05 160	0.07 165	0.06 155	0.06 164	0.06 170

qqq1	0.13 246	0.07 125	0.17 345	0.14 25	0.08 101	0.16 302	0.17 285	0.26 319	0.27 337	0.19 326	0.20 253	0.18 284	0.15 305	0.15 252	0.11 159	0.08 270	0.05 160	0.05 3	0.05 81	0.06 164	0.06 170

fff1	0.13 246	0.07 125	0.17 345	0.14 25	0.08 101	0.16 302	0.17 285	0.26 319	0.27 337	0.19 326	0.20 253	0.18 284	0.15 305	0.15 252	0.11 159	0.08 270	0.05 160	0.05 3	0.05 81	0.06 164	0.06 170

MyStereo07	0.10 113	0.07 125	0.10 81	0.17 189	0.09 208	0.14 247	0.18 330	0.15 85	0.15 132	0.09 69	0.06 12	0.06 11	0.07 82	0.12 164	0.09 50	0.06 92	0.05 160	0.08 246	0.07 242	0.06 164	0.06 170

MyStereo06	0.10 113	0.07 125	0.12 155	0.17 189	0.09 208	0.13 215	0.18 330	0.19 191	0.12 66	0.12 162	0.08 53	0.07 45	0.07 82	0.11 86	0.09 50	0.06 92	0.05 160	0.07 165	0.07 242	0.06 164	0.06 170

MyStereo05	0.13 246	0.07 125	0.10 81	0.17 189	0.09 208	0.13 215	0.18 330	0.27 340	0.35 408	0.17 281	0.14 158	0.15 236	0.11 196	0.15 252	0.13 247	0.06 92	0.05 160	0.07 165	0.07 242	0.06 164	0.06 170

MyStereo04	0.13 246	0.07 125	0.10 81	0.17 189	0.09 208	0.14 247	0.18 330	0.29 369	0.38 425	0.17 281	0.14 158	0.16 250	0.10 171	0.15 252	0.13 247	0.06 92	0.05 160	0.08 246	0.07 242	0.06 164	0.06 170

cc1	0.10 113	0.08 217	0.12 155	0.17 189	0.09 208	0.13 215	0.15 189	0.16 110	0.18 201	0.09 69	0.09 66	0.06 11	0.06 32	0.10 44	0.07 1	0.06 92	0.04 3	0.06 75	0.05 81	0.06 164	0.06 170

ff7	0.09 55	0.07 125	0.11 121	0.16 124	0.09 208	0.11 144	0.15 189	0.16 110	0.12 66	0.10 100	0.06 12	0.06 11	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170

IGEVStereo-DCA	0.09 55	0.06 52	0.11 121	0.15 65	0.10 309	0.11 144	0.15 189	0.16 110	0.12 66	0.10 100	0.06 12	0.08 73	0.06 32	0.10 44	0.08 17	0.06 92	0.05 160	0.06 75	0.05 81	0.05 74	0.06 170

ffff	0.09 55	0.07 125	0.11 121	0.16 124	0.09 208	0.11 144	0.15 189	0.16 110	0.12 66	0.10 100	0.06 12	0.06 11	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170

rrr	0.09 55	0.06 52	0.12 155	0.15 65	0.10 309	0.11 144	0.16 254	0.16 110	0.15 132	0.10 100	0.06 12	0.08 73	0.06 32	0.10 44	0.08 17	0.06 92	0.05 160	0.06 75	0.05 81	0.05 74	0.06 170

ffm	0.12 221	0.09 283	0.14 234	0.16 124	0.08 101	0.17 323	0.17 285	0.15 85	0.19 215	0.15 237	0.25 332	0.19 298	0.13 262	0.10 44	0.07 1	0.06 92	0.04 3	0.09 325	0.08 306	0.06 164	0.06 170

ff1	0.13 246	0.09 283	0.14 234	0.16 124	0.08 101	0.17 323	0.17 285	0.15 85	0.19 215	0.15 237	0.25 332	0.19 298	0.13 262	0.14 230	0.20 378	0.06 92	0.04 3	0.09 325	0.08 306	0.06 164	0.06 170

11t	0.09 55	0.07 125	0.11 121	0.16 124	0.09 208	0.11 144	0.15 189	0.16 110	0.12 66	0.10 100	0.06 12	0.06 11	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170

tt1	0.10 113	0.08 217	0.12 155	0.17 189	0.09 208	0.12 177	0.16 254	0.15 85	0.19 215	0.09 69	0.08 53	0.06 11	0.06 32	0.10 44	0.07 1	0.06 92	0.04 3	0.06 75	0.05 81	0.06 164	0.06 170

1111x	0.15 322	0.08 217	0.12 155	0.18 269	0.07 52	0.18 341	0.25 452	0.31 392	0.24 293	0.17 281	0.24 303	0.26 380	0.15 305	0.13 205	0.23 419	0.07 210	0.07 345	0.08 246	0.09 350	0.07 230	0.06 170

plain	0.10 113	0.08 217	0.10 81	0.19 325	0.09 208	0.10 102	0.15 189	0.14 65	0.13 96	0.13 189	0.15 175	0.09 97	0.12 225	0.13 205	0.12 206	0.07 210	0.05 160	0.09 325	0.06 155	0.06 164	0.06 170

anonymousdsp	0.09 55	0.07 125	0.11 121	0.16 124	0.09 208	0.11 144	0.15 189	0.16 110	0.12 66	0.09 69	0.06 12	0.06 11	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170

anonymousa	0.13 246	0.07 125	0.13 200	0.18 269	0.09 208	0.13 215	0.17 285	0.19 191	0.29 357	0.15 237	0.24 303	0.15 236	0.14 287	0.14 230	0.14 284	0.07 210	0.05 160	0.07 165	0.09 350	0.05 74	0.06 170

ProNet	0.09 55	0.07 125	0.10 81	0.17 189	0.08 101	0.10 102	0.15 189	0.15 85	0.12 66	0.09 69	0.06 12	0.07 45	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.04 3	0.06 170

ccc-4	0.09 55	0.07 125	0.11 121	0.16 124	0.09 208	0.11 144	0.15 189	0.16 110	0.12 66	0.10 100	0.06 12	0.06 11	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170

RAFT+CT+SA	0.13 246	0.11 363	0.09 51	0.19 325	0.09 208	0.15 272	0.28 472	0.22 245	0.22 267	0.15 237	0.26 349	0.10 125	0.10 171	0.11 86	0.12 206	0.05 7	0.04 3	0.07 165	0.08 306	0.07 230	0.06 170

IGEV-Stereo	0.09 55	0.07 125	0.11 121	0.16 124	0.09 208	0.11 144	0.15 189	0.16 110	0.12 66	0.09 69	0.06 12	0.06 11	0.06 32	0.11 86	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 221	0.09 283	0.12 155	0.19 325	0.08 101	0.09 62	0.12 42	0.21 223	0.21 253	0.19 326	0.14 158	0.11 146	0.09 141	0.20 378	0.16 328	0.05 7	0.05 160	0.07 165	0.06 155	0.05 74	0.06 170

psmg	0.14 279	0.09 283	0.14 234	0.17 189	0.10 309	0.15 272	0.17 285	0.29 369	0.19 215	0.17 281	0.21 274	0.25 371	0.16 331	0.15 252	0.14 284	0.08 270	0.06 276	0.08 246	0.08 306	0.07 230	0.06 170

CIPLG	0.11 156	0.08 217	0.14 234	0.17 189	0.08 101	0.12 177	0.15 189	0.17 143	0.15 132	0.14 210	0.11 119	0.16 250	0.09 141	0.16 286	0.11 159	0.07 210	0.05 160	0.06 75	0.05 81	0.05 74	0.06 170

dd	0.15 322	0.16 435	0.16 317	0.19 325	0.09 208	0.15 272	0.18 330	0.21 223	0.25 314	0.23 388	0.20 253	0.21 317	0.09 141	0.21 394	0.16 328	0.10 362	0.06 276	0.08 246	0.06 155	0.08 291	0.06 170

IPLGR_C	0.11 156	0.08 217	0.14 234	0.17 189	0.08 101	0.12 177	0.15 189	0.17 143	0.15 132	0.14 210	0.10 91	0.16 250	0.09 141	0.16 286	0.11 159	0.07 210	0.05 160	0.06 75	0.05 81	0.05 74	0.06 170

ACRE	0.11 156	0.08 217	0.14 234	0.17 189	0.08 101	0.12 177	0.15 189	0.17 143	0.14 118	0.14 210	0.10 91	0.16 250	0.09 141	0.16 286	0.11 159	0.07 210	0.05 160	0.06 75	0.05 81	0.05 74	0.06 170

GwcNet-ADL	0.13 246	0.08 217	0.14 234	0.20 374	0.09 208	0.11 144	0.20 390	0.30 383	0.24 293	0.13 189	0.14 158	0.18 284	0.14 287	0.13 205	0.14 284	0.07 210	0.05 160	0.06 75	0.05 81	0.07 230	0.06 170

RAFT-RH_RVC	0.11 156	0.06 52	0.14 234	0.16 124	0.09 208	0.12 177	0.12 42	0.17 143	0.12 66	0.13 189	0.41 459	0.11 146	0.10 171	0.13 205	0.12 206	0.05 7	0.04 3	0.08 246	0.05 81	0.04 3	0.06 170

IRAFT_RVC	0.12 221	0.08 217	0.16 317	0.19 325	0.08 101	0.07 24	0.15 189	0.24 286	0.23 277	0.14 210	0.14 158	0.15 236	0.12 225	0.12 164	0.10 106	0.06 92	0.04 3	0.09 325	0.06 155	0.06 164	0.06 170

rafts_anoy	0.11 156	0.06 52	0.10 81	0.17 189	0.08 101	0.10 102	0.14 123	0.17 143	0.14 118	0.13 189	0.13 144	0.12 163	0.10 171	0.11 86	0.12 206	0.07 210	0.04 3	0.09 325	0.11 415	0.07 230	0.06 170

test_xeample3	0.09 55	0.06 52	0.12 155	0.16 124	0.09 208	0.11 144	0.15 189	0.16 110	0.13 96	0.10 100	0.06 12	0.08 73	0.06 32	0.10 44	0.09 50	0.05 7	0.04 3	0.06 75	0.05 81	0.05 74	0.06 170

GMStereo	0.13 246	0.14 421	0.14 234	0.18 269	0.09 208	0.15 272	0.16 254	0.20 202	0.24 293	0.16 265	0.17 208	0.10 125	0.10 171	0.16 286	0.13 247	0.07 210	0.06 276	0.06 75	0.06 155	0.07 230	0.06 170
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 246	0.07 125	0.14 234	0.17 189	0.09 208	0.15 272	0.16 254	0.28 359	0.27 337	0.14 210	0.17 208	0.12 163	0.13 262	0.14 230	0.11 159	0.08 270	0.05 160	0.07 165	0.07 242	0.07 230	0.06 170

delet	0.17 366	0.08 217	0.17 345	0.19 325	0.11 356	0.20 380	0.21 407	0.30 383	0.37 420	0.17 281	0.26 349	0.19 298	0.19 382	0.19 353	0.21 398	0.08 270	0.08 371	0.09 325	0.11 415	0.06 164	0.06 170

UNet	0.17 366	0.09 283	0.18 368	0.19 325	0.12 387	0.27 449	0.19 368	0.33 422	0.29 357	0.21 360	0.24 303	0.23 352	0.19 382	0.19 353	0.18 360	0.07 210	0.06 276	0.08 246	0.07 242	0.08 291	0.06 170

UPFNet	0.16 346	0.08 217	0.12 155	0.20 374	0.12 387	0.20 380	0.23 425	0.28 359	0.26 328	0.17 281	0.24 303	0.22 335	0.19 382	0.19 353	0.21 398	0.09 325	0.07 345	0.08 246	0.09 350	0.08 291	0.06 170

CREStereo	0.09 55	0.04 1	0.08 18	0.11 1	0.06 13	0.13 215	0.14 123	0.14 65	0.10 27	0.08 44	0.13 144	0.09 97	0.08 115	0.11 86	0.10 106	0.08 270	0.04 3	0.05 3	0.03 1	0.06 164	0.06 170
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
ac_64	0.16 346	0.08 217	0.15 283	0.18 269	0.10 309	0.22 404	0.18 330	0.24 286	0.21 253	0.18 311	0.24 303	0.29 405	0.18 366	0.19 353	0.22 407	0.09 325	0.07 345	0.08 246	0.09 350	0.07 230	0.06 170

ACVNet	0.15 322	0.09 283	0.15 283	0.13 12	0.12 387	0.14 247	0.20 390	0.22 245	0.33 388	0.17 281	0.26 349	0.21 317	0.16 331	0.17 318	0.21 398	0.07 210	0.06 276	0.06 75	0.06 155	0.08 291	0.06 170

acv_ft	0.15 322	0.09 283	0.15 283	0.19 325	0.10 309	0.16 302	0.17 285	0.25 302	0.33 388	0.19 326	0.26 349	0.21 317	0.17 353	0.17 318	0.18 360	0.07 210	0.06 276	0.06 75	0.06 155	0.08 291	0.06 170

cf-r	0.13 246	0.07 125	0.12 155	0.16 124	0.08 101	0.14 247	0.19 368	0.20 202	0.25 314	0.17 281	0.25 332	0.21 317	0.16 331	0.14 230	0.14 284	0.10 362	0.05 160	0.06 75	0.08 306	0.06 164	0.06 170

PMTNet	0.09 55	0.05 16	0.09 51	0.12 4	0.06 13	0.12 177	0.14 123	0.15 85	0.11 50	0.09 69	0.13 144	0.10 125	0.07 82	0.13 205	0.10 106	0.15 455	0.04 3	0.05 3	0.03 1	0.07 230	0.06 170

DIP-Stereo	0.11 156	0.07 125	0.14 234	0.17 189	0.09 208	0.13 215	0.09 8	0.16 110	0.16 157	0.11 126	0.16 187	0.14 207	0.12 225	0.15 252	0.13 247	0.06 92	0.05 160	0.06 75	0.05 81	0.05 74	0.06 170
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 221	0.08 217	0.14 234	0.18 269	0.07 52	0.15 272	0.07 2	0.22 245	0.18 201	0.16 265	0.19 241	0.18 284	0.14 287	0.16 286	0.15 312	0.07 210	0.05 160	0.05 3	0.05 81	0.06 164	0.06 170

RASNet	0.14 279	0.07 125	0.14 234	0.16 124	0.08 101	0.18 341	0.14 123	0.29 369	0.20 238	0.17 281	0.25 332	0.21 317	0.18 366	0.20 378	0.19 371	0.07 210	0.06 276	0.06 75	0.08 306	0.06 164	0.06 170

HSM-Net_RVC	0.14 279	0.08 217	0.11 121	0.15 65	0.08 101	0.15 272	0.15 189	0.27 340	0.29 357	0.19 326	0.21 274	0.29 405	0.14 287	0.17 318	0.13 247	0.06 92	0.06 276	0.06 75	0.06 155	0.07 230	0.06 170
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 322	0.10 338	0.17 345	0.17 189	0.08 101	0.18 341	0.09 8	0.28 359	0.25 314	0.19 326	0.24 303	0.24 358	0.17 353	0.17 318	0.14 284	0.08 270	0.06 276	0.09 325	0.10 385	0.07 230	0.06 170

AANet_RVC	0.16 346	0.10 338	0.10 81	0.18 269	0.09 208	0.18 341	0.19 368	0.26 319	0.31 374	0.22 375	0.35 422	0.21 317	0.21 398	0.22 405	0.16 328	0.06 92	0.05 160	0.06 75	0.06 155	0.07 230	0.06 170

HSM	0.15 322	0.08 217	0.14 234	0.16 124	0.09 208	0.16 302	0.14 123	0.28 359	0.25 314	0.19 326	0.23 292	0.37 454	0.16 331	0.20 378	0.15 312	0.07 210	0.05 160	0.07 165	0.06 155	0.07 230	0.06 170

LE_ROB	0.50 503	0.07 125	0.14 234	0.15 65	0.08 101	0.24 422	0.16 254	0.22 245	1.81 535	4.63 539	0.67 499	0.47 488	0.44 495	0.20 378	0.29 466	0.07 210	0.06 276	0.06 75	0.06 155	0.08 291	0.06 170

DN-CSS_ROB	0.13 246	0.13 409	0.16 317	0.18 269	0.10 309	0.16 302	0.08 4	0.22 245	0.18 201	0.17 281	0.22 283	0.13 187	0.13 262	0.12 164	0.13 247	0.05 7	0.05 160	0.10 370	0.10 385	0.08 291	0.06 170

pmcnn	0.15 322	0.07 125	0.19 379	0.15 65	0.07 52	0.20 380	0.15 189	0.24 286	0.26 328	0.21 360	0.34 417	0.28 398	0.18 366	0.18 337	0.17 342	0.07 210	0.05 160	0.05 3	0.04 23	0.07 230	0.06 170

G2L-Stereo_aug	0.15 322	0.06 52	0.12 155	0.14 25	0.07 52	0.18 341	0.19 368	0.20 202	0.38 425	0.22 375	0.26 349	0.27 388	0.14 287	0.18 337	0.19 371	0.07 210	0.05 160	0.05 3	0.04 23	0.06 164	0.07 248

G2L-Stereo	0.14 279	0.07 125	0.13 200	0.17 189	0.09 208	0.13 215	0.12 42	0.27 340	0.22 267	0.16 265	0.27 358	0.21 317	0.13 262	0.17 318	0.18 360	0.09 325	0.08 371	0.08 246	0.07 242	0.07 230	0.07 248

rvit_105_1	0.19 391	0.11 363	0.25 422	0.21 403	0.16 452	0.21 396	0.27 466	0.31 392	0.41 438	0.19 326	0.20 253	0.22 335	0.17 353	0.19 353	0.17 342	0.12 415	0.12 442	0.13 433	0.15 463	0.08 291	0.07 248

ACV-stereo	0.15 322	0.10 338	0.28 437	0.18 269	0.12 387	0.14 247	0.12 42	0.23 264	0.21 253	0.19 326	0.23 292	0.22 335	0.15 305	0.23 416	0.17 342	0.07 210	0.06 276	0.07 165	0.07 242	0.07 230	0.07 248

test_sample2	0.12 221	0.07 125	0.12 155	0.14 25	0.08 101	0.16 302	0.18 330	0.21 223	0.16 157	0.14 210	0.20 253	0.19 298	0.15 305	0.15 252	0.12 206	0.08 270	0.05 160	0.07 165	0.06 155	0.08 291	0.07 248

test_sample1	0.13 246	0.07 125	0.14 234	0.13 12	0.08 101	0.19 365	0.16 254	0.20 202	0.15 132	0.14 210	0.22 283	0.18 284	0.16 331	0.17 318	0.14 284	0.07 210	0.06 276	0.06 75	0.06 155	0.08 291	0.07 248

ACVNet-DCA	0.10 113	0.08 217	0.12 155	0.17 189	0.09 208	0.13 215	0.15 189	0.23 264	0.16 157	0.09 69	0.09 66	0.06 11	0.06 32	0.10 44	0.07 1	0.06 92	0.04 3	0.06 75	0.05 81	0.07 230	0.07 248

xx1	0.11 156	0.08 217	0.12 155	0.17 189	0.09 208	0.13 215	0.15 189	0.16 110	0.18 201	0.09 69	0.09 66	0.16 250	0.16 331	0.10 44	0.07 1	0.06 92	0.04 3	0.08 246	0.08 306	0.07 230	0.07 248

1test111	0.11 156	0.08 217	0.12 155	0.17 189	0.09 208	0.13 215	0.15 189	0.23 264	0.16 157	0.09 69	0.09 66	0.06 11	0.06 32	0.15 252	0.16 328	0.06 92	0.04 3	0.06 75	0.05 81	0.07 230	0.07 248

mmm	0.14 279	0.08 217	0.17 345	0.17 189	0.09 208	0.17 323	0.18 330	0.21 223	0.15 132	0.15 237	0.23 292	0.21 317	0.16 331	0.16 286	0.17 342	0.08 270	0.05 160	0.08 246	0.07 242	0.07 230	0.07 248

11t1	0.12 221	0.06 52	0.13 200	0.14 25	0.08 101	0.17 323	0.15 189	0.18 172	0.15 132	0.15 237	0.15 175	0.16 250	0.16 331	0.15 252	0.13 247	0.08 270	0.05 160	0.06 75	0.05 81	0.08 291	0.07 248

MIF-Stereo (partial)	0.11 156	0.06 52	0.10 81	0.19 325	0.10 309	0.10 102	0.11 25	0.17 143	0.18 201	0.14 210	0.16 187	0.09 97	0.11 196	0.12 164	0.12 206	0.08 270	0.05 160	0.08 246	0.07 242	0.06 164	0.07 248

EKT-Stereo	0.11 156	0.07 125	0.14 234	0.15 65	0.10 309	0.13 215	0.14 123	0.18 172	0.21 253	0.11 126	0.08 53	0.12 163	0.09 141	0.11 86	0.12 206	0.08 270	0.06 276	0.07 165	0.06 155	0.08 291	0.07 248

PCWNet_CMD	0.14 279	0.08 217	0.15 283	0.17 189	0.09 208	0.14 247	0.14 123	0.29 369	0.36 413	0.14 210	0.20 253	0.21 317	0.12 225	0.17 318	0.13 247	0.07 210	0.05 160	0.07 165	0.07 242	0.07 230	0.07 248

fast-acv-ft	0.18 379	0.11 363	0.19 379	0.19 325	0.12 387	0.24 422	0.21 407	0.25 302	0.34 399	0.22 375	0.34 417	0.27 388	0.20 394	0.21 394	0.23 419	0.09 325	0.09 397	0.08 246	0.10 385	0.08 291	0.07 248

CBFPSM	0.14 279	0.06 52	0.26 425	0.17 189	0.09 208	0.13 215	0.15 189	0.22 245	0.23 277	0.20 347	0.27 358	0.24 358	0.16 331	0.16 286	0.18 360	0.06 92	0.06 276	0.06 75	0.07 242	0.07 230	0.07 248

GASNet	0.22 423	0.23 474	0.33 456	0.26 462	0.17 467	0.26 440	0.16 254	0.44 487	0.42 445	0.27 420	0.24 303	0.30 413	0.15 305	0.27 435	0.18 360	0.12 415	0.08 371	0.12 418	0.11 415	0.16 466	0.07 248

gwcnet-sp	0.14 279	0.07 125	0.12 155	0.18 269	0.09 208	0.16 302	0.17 285	0.24 286	0.24 293	0.18 311	0.24 303	0.15 236	0.16 331	0.15 252	0.15 312	0.08 270	0.06 276	0.07 165	0.08 306	0.08 291	0.07 248

scenet	0.14 279	0.07 125	0.12 155	0.18 269	0.09 208	0.16 302	0.17 285	0.24 286	0.24 293	0.18 311	0.24 303	0.15 236	0.16 331	0.15 252	0.15 312	0.08 270	0.06 276	0.07 165	0.08 306	0.08 291	0.07 248

CASS	0.13 246	0.12 380	0.11 121	0.23 438	0.09 208	0.15 272	0.17 285	0.18 172	0.19 215	0.17 281	0.18 233	0.15 236	0.15 305	0.14 230	0.14 284	0.09 325	0.06 276	0.10 370	0.08 306	0.09 350	0.07 248
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.11 156	0.05 16	0.12 155	0.13 12	0.07 52	0.15 272	0.14 123	0.19 191	0.13 96	0.11 126	0.17 208	0.13 187	0.09 141	0.13 205	0.11 159	0.08 270	0.05 160	0.06 75	0.05 81	0.08 291	0.07 248

ssnet	0.14 279	0.07 125	0.12 155	0.18 269	0.09 208	0.16 302	0.17 285	0.24 286	0.24 293	0.18 311	0.24 303	0.15 236	0.16 331	0.15 252	0.15 312	0.08 270	0.06 276	0.07 165	0.08 306	0.08 291	0.07 248

qqq	0.13 246	0.09 283	0.15 283	0.16 124	0.08 101	0.13 215	0.15 189	0.23 264	0.16 157	0.15 237	0.19 241	0.16 250	0.16 331	0.15 252	0.16 328	0.07 210	0.06 276	0.08 246	0.08 306	0.07 230	0.07 248

x	0.13 246	0.07 125	0.14 234	0.14 25	0.08 101	0.18 341	0.14 123	0.22 245	0.20 238	0.15 237	0.19 241	0.19 298	0.17 353	0.18 337	0.18 360	0.07 210	0.05 160	0.06 75	0.06 155	0.07 230	0.07 248

BUS	0.14 279	0.09 283	0.14 234	0.22 418	0.10 309	0.19 365	0.14 123	0.34 431	0.19 215	0.17 281	0.22 283	0.16 250	0.13 262	0.15 252	0.13 247	0.08 270	0.06 276	0.10 370	0.09 350	0.07 230	0.07 248

IER	0.14 279	0.07 125	0.13 200	0.17 189	0.09 208	0.14 247	0.16 254	0.25 302	0.26 328	0.18 311	0.25 332	0.17 270	0.20 394	0.16 286	0.14 284	0.08 270	0.05 160	0.07 165	0.06 155	0.08 291	0.07 248

test_5	0.14 279	0.12 380	0.08 18	0.20 374	0.10 309	0.14 247	0.29 481	0.21 223	0.24 293	0.18 311	0.28 371	0.11 146	0.15 305	0.12 164	0.13 247	0.06 92	0.05 160	0.07 165	0.08 306	0.08 291	0.07 248

BSDual-CNN	0.15 322	0.09 283	0.14 234	0.22 418	0.10 309	0.14 247	0.15 189	0.34 431	0.19 215	0.17 281	0.22 283	0.25 371	0.16 331	0.15 252	0.14 284	0.08 270	0.06 276	0.10 370	0.09 350	0.07 230	0.07 248

hknet	0.15 322	0.11 363	0.13 200	0.22 418	0.11 356	0.14 247	0.15 189	0.34 431	0.25 314	0.17 281	0.22 283	0.22 335	0.18 366	0.17 318	0.12 206	0.07 210	0.06 276	0.10 370	0.09 350	0.07 230	0.07 248

CSP-Net	0.16 346	0.09 283	0.14 234	0.16 124	0.09 208	0.19 365	0.17 285	0.25 302	0.32 381	0.25 410	0.30 389	0.24 358	0.15 305	0.21 394	0.18 360	0.09 325	0.06 276	0.07 165	0.07 242	0.08 291	0.07 248

UDGNet	0.14 279	0.13 409	0.16 317	0.17 189	0.10 309	0.12 177	0.16 254	0.21 223	0.27 337	0.20 347	0.20 253	0.16 250	0.13 262	0.16 286	0.13 247	0.10 362	0.06 276	0.09 325	0.07 242	0.06 164	0.07 248

dad	0.17 366	0.20 463	0.20 391	0.16 124	0.11 356	0.20 380	0.18 330	0.21 223	0.28 351	0.30 444	0.24 303	0.29 405	0.13 262	0.19 353	0.16 328	0.18 478	0.09 397	0.11 401	0.09 350	0.11 401	0.07 248

DAS	0.15 322	0.08 217	0.18 368	0.19 325	0.10 309	0.19 365	0.17 285	0.27 340	0.29 357	0.18 311	0.25 332	0.21 317	0.15 305	0.16 286	0.12 206	0.08 270	0.06 276	0.06 75	0.06 155	0.07 230	0.07 248

SepStereo	0.15 322	0.08 217	0.18 368	0.19 325	0.10 309	0.19 365	0.17 285	0.27 340	0.29 357	0.18 311	0.25 332	0.21 317	0.15 305	0.25 430	0.12 206	0.08 270	0.06 276	0.06 75	0.06 155	0.07 230	0.07 248

PSMNet-ADL	0.15 322	0.12 380	0.13 200	0.22 418	0.09 208	0.13 215	0.20 390	0.26 319	0.23 277	0.18 311	0.20 253	0.24 358	0.16 331	0.18 337	0.17 342	0.08 270	0.08 371	0.08 246	0.11 415	0.08 291	0.07 248

ADLNet2	0.16 346	0.09 283	0.13 200	0.16 124	0.09 208	0.20 380	0.16 254	0.31 392	0.39 429	0.16 265	0.20 253	0.20 310	0.18 366	0.21 394	0.22 407	0.08 270	0.06 276	0.07 165	0.07 242	0.09 350	0.07 248

Patchmatch Stereo++	0.11 156	0.09 283	0.16 317	0.18 269	0.08 101	0.06 8	0.11 25	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
NRIStereo	0.11 156	0.08 217	0.14 234	0.18 269	0.08 101	0.10 102	0.14 123	0.16 110	0.15 132	0.12 162	0.14 158	0.13 187	0.12 225	0.13 205	0.10 106	0.06 92	0.04 3	0.07 165	0.06 155	0.06 164	0.07 248

PSM-adaLoss	0.11 156	0.09 283	0.16 317	0.18 269	0.08 101	0.06 8	0.12 42	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248

ROB_FTStereo_v2	0.11 156	0.09 283	0.16 317	0.19 325	0.08 101	0.06 8	0.12 42	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248

ROB_FTStereo	0.11 156	0.09 283	0.16 317	0.19 325	0.08 101	0.06 8	0.11 25	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248

HUI-Stereo	0.11 156	0.09 283	0.16 317	0.18 269	0.08 101	0.06 8	0.12 42	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248

iGMRVC	0.11 156	0.09 283	0.16 317	0.19 325	0.08 101	0.06 8	0.12 42	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248

iRAFT	0.11 156	0.09 283	0.16 317	0.18 269	0.08 101	0.06 8	0.11 25	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248

RAFT-IKP	0.11 156	0.09 283	0.16 317	0.19 325	0.08 101	0.06 8	0.12 42	0.16 110	0.13 96	0.15 237	0.16 187	0.14 207	0.12 225	0.11 86	0.10 106	0.06 92	0.04 3	0.08 246	0.06 155	0.08 291	0.07 248

ICVP	0.15 322	0.09 283	0.12 155	0.22 418	0.09 208	0.17 323	0.21 407	0.25 302	0.23 277	0.18 311	0.30 389	0.26 380	0.18 366	0.17 318	0.14 284	0.09 325	0.07 345	0.08 246	0.07 242	0.07 230	0.07 248
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.14 279	0.08 217	0.15 283	0.16 124	0.09 208	0.13 215	0.14 123	0.27 340	0.34 399	0.14 210	0.21 274	0.22 335	0.13 262	0.18 337	0.14 284	0.07 210	0.05 160	0.08 246	0.06 155	0.07 230	0.07 248

RALCasStereoNet	0.10 113	0.06 52	0.09 51	0.16 124	0.08 101	0.12 177	0.14 123	0.17 143	0.11 50	0.12 162	0.17 208	0.14 207	0.10 171	0.12 164	0.11 159	0.07 210	0.06 276	0.06 75	0.05 81	0.08 291	0.07 248

sCroCo_RVC	0.12 221	0.09 283	0.23 414	0.24 447	0.11 356	0.19 365	0.14 123	0.17 143	0.14 118	0.10 100	0.13 144	0.12 163	0.07 82	0.14 230	0.11 159	0.08 270	0.08 371	0.08 246	0.08 306	0.05 74	0.07 248

HCRNet	0.16 346	0.24 477	0.12 155	0.35 494	0.11 356	0.15 272	0.17 285	0.26 319	0.22 267	0.19 326	0.24 303	0.21 317	0.14 287	0.15 252	0.13 247	0.11 390	0.07 345	0.11 401	0.10 385	0.09 350	0.07 248

xxxx	0.15 322	0.07 125	0.14 234	0.14 25	0.08 101	0.23 417	0.18 330	0.31 392	0.19 215	0.14 210	0.28 371	0.22 335	0.14 287	0.15 252	0.26 449	0.09 325	0.05 160	0.07 165	0.07 242	0.08 291	0.07 248

test_xeample	0.15 322	0.06 52	0.13 200	0.14 25	0.08 101	0.21 396	0.20 390	0.28 359	0.20 238	0.16 265	0.29 383	0.19 298	0.16 331	0.15 252	0.26 449	0.09 325	0.05 160	0.07 165	0.07 242	0.07 230	0.07 248

MMNet	0.17 366	0.09 283	0.16 317	0.20 374	0.11 356	0.27 449	0.20 390	0.25 302	0.41 438	0.22 375	0.30 389	0.21 317	0.20 394	0.17 318	0.20 378	0.06 92	0.06 276	0.07 165	0.07 242	0.08 291	0.07 248

FENet	0.13 246	0.08 217	0.12 155	0.16 124	0.08 101	0.14 247	0.15 189	0.22 245	0.23 277	0.17 281	0.23 292	0.16 250	0.12 225	0.14 230	0.15 312	0.08 270	0.05 160	0.08 246	0.08 306	0.07 230	0.07 248

GANet-RSSM	0.14 279	0.07 125	0.13 200	0.13 12	0.08 101	0.14 247	0.17 285	0.22 245	0.21 253	0.17 281	0.24 303	0.23 352	0.15 305	0.16 286	0.15 312	0.10 362	0.06 276	0.07 165	0.08 306	0.08 291	0.07 248

PSMNet-RSSM	0.14 279	0.07 125	0.13 200	0.15 65	0.08 101	0.13 215	0.16 254	0.24 286	0.24 293	0.16 265	0.28 371	0.22 335	0.14 287	0.15 252	0.13 247	0.11 390	0.06 276	0.09 325	0.12 434	0.08 291	0.07 248

GwcNet-RSSM	0.14 279	0.07 125	0.12 155	0.15 65	0.08 101	0.15 272	0.20 390	0.21 223	0.27 337	0.18 311	0.27 358	0.22 335	0.16 331	0.14 230	0.15 312	0.10 362	0.05 160	0.07 165	0.09 350	0.07 230	0.07 248

MSMDNet	0.14 279	0.08 217	0.15 283	0.17 189	0.09 208	0.14 247	0.14 123	0.29 369	0.36 413	0.14 210	0.21 274	0.21 317	0.12 225	0.17 318	0.14 284	0.07 210	0.05 160	0.07 165	0.07 242	0.07 230	0.07 248

CVANet_RVC	0.18 379	0.10 338	0.14 234	0.21 403	0.10 309	0.18 341	0.17 285	0.34 431	0.33 388	0.22 375	0.31 397	0.28 398	0.18 366	0.23 416	0.17 342	0.12 415	0.08 371	0.12 418	0.11 415	0.09 350	0.07 248

ccs_rob	0.14 279	0.08 217	0.15 283	0.16 124	0.09 208	0.12 177	0.14 123	0.27 340	0.34 399	0.14 210	0.21 274	0.22 335	0.13 262	0.18 337	0.14 284	0.07 210	0.05 160	0.08 246	0.07 242	0.07 230	0.07 248

AdaStereo	0.15 322	0.11 363	0.15 283	0.18 269	0.09 208	0.20 380	0.11 25	0.32 403	0.28 351	0.20 347	0.23 292	0.20 310	0.13 262	0.19 353	0.14 284	0.12 415	0.05 160	0.10 370	0.07 242	0.09 350	0.07 248
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
StereoDRNet-Refined	0.17 366	0.12 380	0.15 283	0.20 374	0.09 208	0.18 341	0.18 330	0.26 319	0.23 277	0.26 414	0.40 449	0.22 335	0.17 353	0.21 394	0.20 378	0.08 270	0.05 160	0.09 325	0.10 385	0.07 230	0.07 248
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.19 391	0.11 363	0.20 391	0.22 418	0.10 309	0.22 404	0.22 416	0.39 466	0.37 420	0.24 397	0.32 401	0.26 380	0.21 398	0.22 405	0.24 430	0.11 390	0.07 345	0.11 401	0.10 385	0.09 350	0.07 248

StereoDRNet	0.18 379	0.11 363	0.17 345	0.22 418	0.11 356	0.21 396	0.22 416	0.37 455	0.33 388	0.24 397	0.28 371	0.30 413	0.19 382	0.20 378	0.20 378	0.09 325	0.08 371	0.11 401	0.09 350	0.09 350	0.07 248

DLCB_ROB	0.18 379	0.10 338	0.15 283	0.23 438	0.11 356	0.24 422	0.18 330	0.29 369	0.28 351	0.27 420	0.28 371	0.28 398	0.24 419	0.19 353	0.20 378	0.08 270	0.08 371	0.09 325	0.09 350	0.07 230	0.07 248

coex_refinement	0.14 279	0.07 125	0.12 155	0.17 189	0.10 309	0.15 272	0.15 189	0.26 319	0.29 357	0.18 311	0.20 253	0.22 335	0.17 353	0.16 286	0.18 360	0.08 270	0.05 160	0.06 75	0.06 155	0.09 350	0.08 313

S2M2	0.09 55	0.08 217	0.11 121	0.13 12	0.10 309	0.08 41	0.06 1	0.10 15	0.10 27	0.10 100	0.09 66	0.10 125	0.09 141	0.11 86	0.11 159	0.13 438	0.07 345	0.08 246	0.09 350	0.10 381	0.08 313

FACV-RUCA	0.13 246	0.11 363	0.12 155	0.19 325	0.12 387	0.15 272	0.15 189	0.22 245	0.20 238	0.15 237	0.16 187	0.14 207	0.16 331	0.14 230	0.13 247	0.07 210	0.05 160	0.08 246	0.06 155	0.10 381	0.08 313

ITSA-stereo	0.15 322	0.10 338	0.14 234	0.19 325	0.08 101	0.12 177	0.14 123	0.30 383	0.49 469	0.17 281	0.19 241	0.22 335	0.15 305	0.17 318	0.16 328	0.10 362	0.06 276	0.08 246	0.08 306	0.08 291	0.08 313

AIO-Stereo-zeroshot	0.11 156	0.05 16	0.11 121	0.15 65	0.13 408	0.13 215	0.16 254	0.23 264	0.17 175	0.10 100	0.12 131	0.10 125	0.07 82	0.11 86	0.09 50	0.06 92	0.05 160	0.06 75	0.06 155	0.07 230	0.08 313

test_sample6	0.14 279	0.08 217	0.13 200	0.16 124	0.08 101	0.17 323	0.19 368	0.25 302	0.17 175	0.17 281	0.27 358	0.19 298	0.14 287	0.15 252	0.13 247	0.08 270	0.05 160	0.08 246	0.07 242	0.08 291	0.08 313

test_sample5	0.14 279	0.08 217	0.14 234	0.16 124	0.08 101	0.18 341	0.18 330	0.25 302	0.17 175	0.17 281	0.27 358	0.18 284	0.14 287	0.16 286	0.13 247	0.08 270	0.05 160	0.08 246	0.07 242	0.08 291	0.08 313

test_sample4	0.14 279	0.08 217	0.14 234	0.15 65	0.08 101	0.19 365	0.18 330	0.26 319	0.17 175	0.16 265	0.25 332	0.18 284	0.14 287	0.16 286	0.13 247	0.08 270	0.06 276	0.08 246	0.06 155	0.08 291	0.08 313

test_sample3	0.14 279	0.08 217	0.15 283	0.14 25	0.09 208	0.19 365	0.17 285	0.26 319	0.18 201	0.16 265	0.22 283	0.19 298	0.15 305	0.17 318	0.13 247	0.08 270	0.06 276	0.07 165	0.06 155	0.09 350	0.08 313

CAS++	0.11 156	0.07 125	0.11 121	0.14 25	0.09 208	0.12 177	0.14 123	0.24 286	0.14 118	0.11 126	0.09 66	0.11 146	0.07 82	0.14 230	0.09 50	0.11 390	0.09 397	0.09 325	0.07 242	0.07 230	0.08 313
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DualNet	0.14 279	0.08 217	0.14 234	0.16 124	0.08 101	0.18 341	0.18 330	0.25 302	0.17 175	0.17 281	0.27 358	0.18 284	0.14 287	0.16 286	0.13 247	0.08 270	0.05 160	0.08 246	0.07 242	0.08 291	0.08 313

mmx	0.14 279	0.09 283	0.14 234	0.16 124	0.08 101	0.17 323	0.17 285	0.27 340	0.25 314	0.15 237	0.25 332	0.19 298	0.13 262	0.14 230	0.20 378	0.08 270	0.06 276	0.09 325	0.08 306	0.08 291	0.08 313

ttt	0.14 279	0.08 217	0.14 234	0.15 65	0.08 101	0.15 272	0.18 330	0.27 340	0.29 357	0.16 265	0.24 303	0.17 270	0.13 262	0.13 205	0.14 284	0.11 390	0.08 371	0.09 325	0.08 306	0.09 350	0.08 313

xxx	0.14 279	0.09 283	0.14 234	0.16 124	0.08 101	0.17 323	0.17 285	0.27 340	0.25 314	0.15 237	0.25 332	0.19 298	0.13 262	0.14 230	0.20 378	0.08 270	0.06 276	0.09 325	0.08 306	0.08 291	0.08 313

GMStereo_Zeroshot	0.16 346	0.13 409	0.24 417	0.20 374	0.10 309	0.17 323	0.13 77	0.29 369	0.25 314	0.23 388	0.32 401	0.25 371	0.11 196	0.19 353	0.14 284	0.09 325	0.06 276	0.11 401	0.06 155	0.12 415	0.08 313

ToySt	0.17 366	0.11 363	0.18 368	0.17 189	0.11 356	0.16 302	0.25 452	0.24 286	0.33 388	0.19 326	0.24 303	0.26 380	0.24 419	0.19 353	0.20 378	0.07 210	0.08 371	0.09 325	0.10 385	0.09 350	0.08 313

riskmin	0.11 156	0.06 52	0.13 200	0.14 25	0.08 101	0.14 247	0.14 123	0.18 172	0.14 118	0.11 126	0.14 158	0.16 250	0.11 196	0.14 230	0.12 206	0.09 325	0.05 160	0.07 165	0.05 81	0.08 291	0.08 313

ssnet_v2	0.17 366	0.10 338	0.17 345	0.17 189	0.11 356	0.21 396	0.21 407	0.33 422	0.25 314	0.22 375	0.22 283	0.27 388	0.18 366	0.22 405	0.20 378	0.11 390	0.09 397	0.09 325	0.09 350	0.08 291	0.08 313

HBP-ISP	0.18 379	0.13 409	0.16 317	0.15 65	0.11 356	0.08 41	0.13 77	0.28 359	0.29 357	0.22 375	0.33 413	0.21 317	0.25 427	0.23 416	0.17 342	0.14 451	0.16 473	0.21 480	0.17 474	0.10 381	0.08 313

CRFU-Net	0.16 346	0.08 217	0.14 234	0.17 189	0.09 208	0.19 365	0.14 123	0.26 319	0.20 238	0.28 434	0.27 358	0.29 405	0.17 353	0.19 353	0.17 342	0.09 325	0.09 397	0.07 165	0.07 242	0.08 291	0.08 313

GANet-ADL	0.13 246	0.07 125	0.15 283	0.17 189	0.10 309	0.18 341	0.15 189	0.30 383	0.20 238	0.13 189	0.18 233	0.19 298	0.12 225	0.16 286	0.13 247	0.08 270	0.06 276	0.06 75	0.05 81	0.07 230	0.08 313

ASMatch	0.11 156	0.06 52	0.13 200	0.16 124	0.10 309	0.07 24	0.14 123	0.17 143	0.17 175	0.12 162	0.16 187	0.16 250	0.10 171	0.13 205	0.10 106	0.05 7	0.04 3	0.06 75	0.05 81	0.04 3	0.08 313

Pruner-Stereo	0.11 156	0.07 125	0.12 155	0.17 189	0.09 208	0.06 8	0.12 42	0.17 143	0.17 175	0.13 189	0.19 241	0.13 187	0.09 141	0.11 86	0.11 159	0.06 92	0.04 3	0.07 165	0.06 155	0.06 164	0.08 313

DeepStereo_RVC	0.11 156	0.08 217	0.16 317	0.18 269	0.08 101	0.08 41	0.12 42	0.17 143	0.12 66	0.13 189	0.14 158	0.12 163	0.12 225	0.12 164	0.11 159	0.06 92	0.04 3	0.07 165	0.06 155	0.07 230	0.08 313

CRE-IMP	0.11 156	0.09 283	0.16 317	0.19 325	0.08 101	0.10 102	0.12 42	0.18 172	0.10 27	0.14 210	0.13 144	0.13 187	0.12 225	0.12 164	0.11 159	0.07 210	0.04 3	0.08 246	0.06 155	0.08 291	0.08 313

LMCR-Stereo	0.15 322	0.08 217	0.13 200	0.21 403	0.09 208	0.17 323	0.20 390	0.27 340	0.19 215	0.24 397	0.24 303	0.23 352	0.17 353	0.20 378	0.17 342	0.07 210	0.06 276	0.08 246	0.06 155	0.10 381	0.08 313

GEStereo_RVC	0.17 366	0.12 380	0.15 283	0.22 418	0.11 356	0.19 365	0.17 285	0.32 403	0.48 464	0.20 347	0.25 332	0.17 270	0.13 262	0.21 394	0.16 328	0.10 362	0.06 276	0.08 246	0.07 242	0.09 350	0.08 313

222	0.16 346	0.07 125	0.14 234	0.14 25	0.08 101	0.24 422	0.18 330	0.30 383	0.20 238	0.17 281	0.28 371	0.17 270	0.16 331	0.15 252	0.40 496	0.10 362	0.05 160	0.07 165	0.06 155	0.07 230	0.08 313

RAFT + AFF	0.13 246	0.07 125	0.20 391	0.20 374	0.10 309	0.14 247	0.24 437	0.26 319	0.20 238	0.11 126	0.10 91	0.12 163	0.10 171	0.15 252	0.12 206	0.07 210	0.06 276	0.09 325	0.08 306	0.06 164	0.08 313

Syn2CoEx	0.21 414	0.16 435	0.27 432	0.29 484	0.14 426	0.26 440	0.20 390	0.33 422	0.31 374	0.28 434	0.36 425	0.27 388	0.25 427	0.19 353	0.24 430	0.16 471	0.12 442	0.14 445	0.11 415	0.09 350	0.08 313

psm_up	0.18 379	0.10 338	0.18 368	0.20 374	0.11 356	0.17 323	0.19 368	0.37 455	0.34 399	0.21 360	0.28 371	0.29 405	0.24 419	0.20 378	0.22 407	0.09 325	0.10 416	0.11 401	0.11 415	0.08 291	0.08 313

CFNet-ft	0.14 279	0.07 125	0.15 283	0.12 4	0.09 208	0.16 302	0.18 330	0.22 245	0.24 293	0.17 281	0.26 349	0.24 358	0.14 287	0.16 286	0.14 284	0.11 390	0.06 276	0.08 246	0.09 350	0.09 350	0.08 313

DSFCA	0.16 346	0.09 283	0.14 234	0.16 124	0.10 309	0.20 380	0.19 368	0.28 359	0.31 374	0.23 388	0.24 303	0.22 335	0.15 305	0.19 353	0.20 378	0.10 362	0.07 345	0.09 325	0.09 350	0.08 291	0.08 313

DMCA-RVC	0.17 366	0.10 338	0.15 283	0.24 447	0.11 356	0.18 341	0.18 330	0.25 302	0.24 293	0.21 360	0.26 349	0.25 371	0.27 440	0.18 337	0.20 378	0.12 415	0.08 371	0.13 433	0.10 385	0.10 381	0.08 313

STTStereo	0.18 379	0.12 380	0.27 432	0.20 374	0.11 356	0.16 302	0.21 407	0.29 369	0.23 277	0.21 360	0.30 389	0.29 405	0.18 366	0.20 378	0.19 371	0.12 415	0.11 428	0.11 401	0.14 447	0.09 350	0.08 313

ADCRef	0.19 391	0.12 380	0.41 475	0.20 374	0.12 387	0.22 404	0.18 330	0.32 403	0.36 413	0.26 414	0.32 401	0.17 270	0.23 413	0.24 425	0.24 430	0.07 210	0.06 276	0.09 325	0.09 350	0.08 291	0.08 313

GANet	0.21 414	0.12 380	0.21 399	0.24 447	0.13 408	0.22 404	0.22 416	0.41 476	0.26 328	0.31 450	0.42 466	0.37 454	0.28 448	0.23 416	0.22 407	0.10 362	0.12 442	0.10 370	0.09 350	0.10 381	0.08 313

TDLM	0.17 366	0.12 380	0.13 200	0.24 447	0.10 309	0.18 341	0.18 330	0.36 450	0.30 367	0.21 360	0.28 371	0.28 398	0.18 366	0.23 416	0.18 360	0.11 390	0.07 345	0.10 370	0.10 385	0.08 291	0.08 313

CFNet_RVC	0.14 279	0.07 125	0.15 283	0.12 4	0.09 208	0.16 302	0.18 330	0.22 245	0.24 293	0.17 281	0.26 349	0.24 358	0.14 287	0.16 286	0.14 284	0.11 390	0.06 276	0.08 246	0.09 350	0.09 350	0.08 313

NLCA_NET_v2_RVC	0.17 366	0.10 338	0.22 405	0.20 374	0.10 309	0.15 272	0.18 330	0.31 392	0.25 314	0.21 360	0.30 389	0.25 371	0.17 353	0.21 394	0.20 378	0.09 325	0.06 276	0.08 246	0.08 306	0.07 230	0.08 313
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 403	0.21 469	0.23 414	0.20 374	0.10 309	0.19 365	0.17 285	0.36 450	0.25 314	0.27 420	0.33 413	0.27 388	0.24 419	0.20 378	0.20 378	0.15 455	0.12 442	0.17 466	0.14 447	0.10 381	0.08 313

iResNetv2_ROB	0.14 279	0.08 217	0.15 283	0.16 124	0.08 101	0.16 302	0.12 42	0.25 302	0.35 408	0.21 360	0.29 383	0.24 358	0.13 262	0.14 230	0.14 284	0.06 92	0.05 160	0.06 75	0.04 23	0.09 350	0.08 313

MDST_ROB	0.22 423	0.10 338	0.17 345	0.18 269	0.11 356	0.37 484	0.19 368	0.43 485	0.41 438	0.39 473	0.39 444	0.29 405	0.21 398	0.26 432	0.18 360	0.11 390	0.10 416	0.14 445	0.11 415	0.10 381	0.08 313

iResNet_ROB	0.14 279	0.07 125	0.13 200	0.14 25	0.07 52	0.18 341	0.14 123	0.26 319	0.31 374	0.22 375	0.25 332	0.23 352	0.15 305	0.15 252	0.13 247	0.07 210	0.05 160	0.05 3	0.04 23	0.08 291	0.08 313

YMNet	0.20 403	0.12 380	0.19 379	0.20 374	0.14 426	0.26 440	0.23 425	0.32 403	0.34 399	0.27 420	0.34 417	0.30 413	0.18 366	0.18 337	0.22 407	0.10 362	0.13 455	0.10 370	0.10 385	0.08 291	0.09 357

YMNet_1	0.20 403	0.12 380	0.19 379	0.20 374	0.14 426	0.26 440	0.23 425	0.32 403	0.34 399	0.27 420	0.34 417	0.30 413	0.18 366	0.18 337	0.22 407	0.10 362	0.13 455	0.10 370	0.10 385	0.08 291	0.09 357

rvit_stereo_0075_2	0.17 366	0.12 380	0.25 422	0.23 438	0.16 452	0.13 215	0.10 14	0.30 383	0.27 337	0.20 347	0.28 371	0.22 335	0.15 305	0.18 337	0.13 247	0.16 471	0.10 416	0.17 466	0.10 385	0.10 381	0.09 357

AIO-Stereo-zeroshot1	0.11 156	0.05 16	0.14 234	0.15 65	0.20 479	0.09 62	0.17 285	0.21 223	0.15 132	0.11 126	0.14 158	0.10 125	0.07 82	0.10 44	0.08 17	0.06 92	0.05 160	0.07 165	0.07 242	0.07 230	0.09 357

MyStereo8	0.12 221	0.07 125	0.15 283	0.15 65	0.09 208	0.18 341	0.14 123	0.19 191	0.22 267	0.12 162	0.18 233	0.11 146	0.10 171	0.16 286	0.18 360	0.07 210	0.05 160	0.07 165	0.05 81	0.08 291	0.09 357

CFNet_ucs	0.15 322	0.08 217	0.16 317	0.16 124	0.11 356	0.14 247	0.14 123	0.30 383	0.34 399	0.16 265	0.24 303	0.23 352	0.14 287	0.18 337	0.15 312	0.09 325	0.06 276	0.08 246	0.07 242	0.09 350	0.09 357

Wz-Net-LNSev-Ref	0.18 379	0.09 283	0.29 445	0.15 65	0.10 309	0.22 404	0.20 390	0.26 319	0.39 429	0.25 410	0.42 466	0.24 358	0.15 305	0.20 378	0.19 371	0.07 210	0.05 160	0.06 75	0.05 81	0.10 381	0.09 357

NINENet	0.16 346	0.10 338	0.15 283	0.17 189	0.11 356	0.19 365	0.14 123	0.40 470	0.36 413	0.18 311	0.21 274	0.16 250	0.13 262	0.15 252	0.13 247	0.08 270	0.08 371	0.10 370	0.07 242	0.10 381	0.09 357

AASNet	0.16 346	0.08 217	0.12 155	0.19 325	0.09 208	0.18 341	0.15 189	0.37 455	0.37 420	0.19 326	0.23 292	0.20 310	0.16 331	0.17 318	0.20 378	0.10 362	0.08 371	0.08 246	0.07 242	0.09 350	0.09 357

AACVNet	0.16 346	0.08 217	0.14 234	0.15 65	0.10 309	0.18 341	0.15 189	0.23 264	0.24 293	0.27 420	0.27 358	0.28 398	0.17 353	0.19 353	0.16 328	0.09 325	0.07 345	0.09 325	0.07 242	0.10 381	0.09 357

HHNet	0.11 156	0.06 52	0.16 317	0.15 65	0.14 426	0.07 24	0.13 77	0.20 202	0.17 175	0.14 210	0.25 332	0.11 146	0.08 115	0.13 205	0.10 106	0.05 7	0.04 3	0.08 246	0.06 155	0.05 74	0.09 357

GMM-Stereo	0.11 156	0.07 125	0.10 81	0.18 269	0.09 208	0.08 41	0.15 189	0.23 264	0.16 157	0.11 126	0.15 175	0.13 187	0.11 196	0.11 86	0.11 159	0.05 7	0.04 3	0.08 246	0.07 242	0.06 164	0.09 357

Prome-Stereo	0.11 156	0.06 52	0.10 81	0.18 269	0.08 101	0.12 177	0.15 189	0.22 245	0.13 96	0.12 162	0.17 208	0.13 187	0.08 115	0.12 164	0.10 106	0.05 7	0.04 3	0.07 165	0.06 155	0.06 164	0.09 357

ADLNet	0.16 346	0.08 217	0.15 283	0.16 124	0.10 309	0.16 302	0.17 285	0.32 403	0.27 337	0.22 375	0.27 358	0.24 358	0.16 331	0.18 337	0.21 398	0.10 362	0.06 276	0.10 370	0.10 385	0.08 291	0.09 357

GES	0.14 279	0.08 217	0.16 317	0.15 65	0.10 309	0.13 215	0.13 77	0.28 359	0.25 314	0.16 265	0.23 292	0.18 284	0.13 262	0.16 286	0.13 247	0.08 270	0.07 345	0.07 165	0.06 155	0.08 291	0.09 357

aanetorigin	0.22 423	0.17 446	0.56 492	0.17 189	0.10 309	0.15 272	0.19 368	0.20 202	0.33 388	0.49 493	0.48 476	0.29 405	0.27 440	0.20 378	0.23 419	0.08 270	0.07 345	0.08 246	0.07 242	0.10 381	0.09 357

EDNetEfficient	0.29 471	0.24 477	1.13 523	0.18 269	0.10 309	0.19 365	0.20 390	0.20 202	0.60 493	0.74 512	0.56 491	0.31 425	0.39 482	0.22 405	0.30 471	0.09 325	0.07 345	0.08 246	0.07 242	0.11 401	0.09 357

NVstereo2D	0.19 391	0.10 338	0.15 283	0.17 189	0.15 442	0.28 455	0.23 425	0.44 487	0.42 445	0.15 237	0.27 358	0.25 371	0.19 382	0.22 405	0.17 342	0.09 325	0.06 276	0.10 370	0.08 306	0.15 459	0.09 357

DISCO	0.19 391	0.09 283	0.22 405	0.17 189	0.10 309	0.25 432	0.18 330	0.27 340	0.44 455	0.22 375	0.31 397	0.33 437	0.26 432	0.28 446	0.28 463	0.08 270	0.06 276	0.07 165	0.07 242	0.09 350	0.09 357

NaN_ROB	0.22 423	0.19 459	0.24 417	0.25 457	0.13 408	0.29 458	0.26 459	0.33 422	0.41 438	0.31 450	0.31 397	0.32 434	0.23 413	0.30 456	0.21 398	0.11 390	0.17 478	0.10 370	0.10 385	0.08 291	0.09 357

FBW_ROB	0.24 445	0.17 446	0.22 405	0.26 462	0.14 426	0.25 432	0.22 416	0.41 476	0.41 438	0.41 480	0.41 459	0.42 473	0.27 440	0.31 457	0.23 419	0.09 325	0.14 464	0.14 445	0.12 434	0.11 401	0.09 357

PWCDC_ROB	0.20 403	0.13 409	0.22 405	0.24 447	0.11 356	0.19 365	0.15 189	0.33 422	0.54 481	0.29 441	0.50 481	0.21 317	0.15 305	0.27 435	0.20 378	0.11 390	0.09 397	0.10 370	0.08 306	0.11 401	0.09 357

PSMNet_ROB	0.21 414	0.11 363	0.15 283	0.27 474	0.15 442	0.24 422	0.35 499	0.43 485	0.37 420	0.27 420	0.32 401	0.32 434	0.22 407	0.21 394	0.26 449	0.12 415	0.08 371	0.13 433	0.11 415	0.09 350	0.09 357

test_sample7	0.15 322	0.10 338	0.16 317	0.14 25	0.11 356	0.16 302	0.16 254	0.27 340	0.23 277	0.20 347	0.20 253	0.24 358	0.19 382	0.16 286	0.16 328	0.12 415	0.06 276	0.10 370	0.09 350	0.10 381	0.10 380

iinet-f	0.16 346	0.06 52	0.45 479	0.14 25	0.10 309	0.21 396	0.14 123	0.27 340	0.23 277	0.21 360	0.24 303	0.21 317	0.15 305	0.18 337	0.21 398	0.09 325	0.07 345	0.07 165	0.06 155	0.09 350	0.10 380

Wz-Net-MNSev	0.22 423	0.13 409	0.31 450	0.20 374	0.14 426	0.36 483	0.24 437	0.33 422	0.44 455	0.28 434	0.40 449	0.38 458	0.19 382	0.24 425	0.25 439	0.09 325	0.07 345	0.09 325	0.09 350	0.12 415	0.10 380

FTStereo	0.12 221	0.06 52	0.14 234	0.18 269	0.09 208	0.07 24	0.15 189	0.21 223	0.18 201	0.12 162	0.24 303	0.12 163	0.12 225	0.13 205	0.13 247	0.05 7	0.05 160	0.07 165	0.06 155	0.06 164	0.10 380

GrayStereo	0.11 156	0.06 52	0.11 121	0.19 325	0.09 208	0.09 62	0.16 254	0.18 172	0.17 175	0.14 210	0.17 208	0.17 270	0.11 196	0.12 164	0.11 159	0.05 7	0.05 160	0.07 165	0.06 155	0.05 74	0.10 380

sAnonymous2	0.13 246	0.12 380	0.24 417	0.20 374	0.12 387	0.17 323	0.13 77	0.26 319	0.21 253	0.11 126	0.11 119	0.13 187	0.08 115	0.10 44	0.10 106	0.09 325	0.05 160	0.08 246	0.06 155	0.15 459	0.10 380

CroCo_RVC	0.13 246	0.12 380	0.24 417	0.20 374	0.12 387	0.17 323	0.13 77	0.26 319	0.21 253	0.11 126	0.11 119	0.13 187	0.08 115	0.10 44	0.10 106	0.09 325	0.05 160	0.08 246	0.06 155	0.15 459	0.10 380

EDNetEfficientorigin	7.91 542	0.31 494	153.02 557	0.19 325	0.09 208	0.21 396	0.16 254	0.22 245	0.59 490	0.72 508	0.67 499	0.42 473	0.50 500	0.24 425	0.39 494	0.08 270	0.07 345	0.08 246	0.07 242	0.12 415	0.10 380

GwcNet	0.20 403	0.13 409	0.19 379	0.18 269	0.12 387	0.24 422	0.19 368	0.35 444	0.43 450	0.20 347	0.32 401	0.33 437	0.20 394	0.22 405	0.24 430	0.11 390	0.09 397	0.09 325	0.09 350	0.09 350	0.10 380

HGLStereo	0.17 366	0.08 217	0.19 379	0.17 189	0.12 387	0.18 341	0.18 330	0.31 392	0.32 381	0.21 360	0.32 401	0.25 371	0.18 366	0.19 353	0.20 378	0.09 325	0.09 397	0.07 165	0.07 242	0.09 350	0.10 380

DMCA	0.14 279	0.09 283	0.16 317	0.19 325	0.09 208	0.15 272	0.17 285	0.23 264	0.27 337	0.14 210	0.19 241	0.17 270	0.18 366	0.15 252	0.17 342	0.10 362	0.06 276	0.08 246	0.06 155	0.09 350	0.10 380

FADNet-RVC-Resample	0.16 346	0.11 363	0.31 450	0.22 418	0.11 356	0.19 365	0.14 123	0.25 302	0.24 293	0.24 397	0.27 358	0.20 310	0.15 305	0.16 286	0.15 312	0.07 210	0.08 371	0.12 418	0.10 385	0.09 350	0.10 380

FADNet_RVC	0.16 346	0.14 421	0.40 473	0.20 374	0.11 356	0.13 215	0.13 77	0.26 319	0.22 267	0.21 360	0.23 292	0.20 310	0.17 353	0.14 230	0.16 328	0.08 270	0.08 371	0.12 418	0.09 350	0.11 401	0.10 380

SuperB	0.20 403	0.10 338	0.56 492	0.16 124	0.09 208	0.18 341	0.18 330	0.24 286	0.50 472	0.26 414	0.39 444	0.17 270	0.21 398	0.22 405	0.21 398	0.08 270	0.06 276	0.06 75	0.06 155	0.12 415	0.10 380

AF-Net	0.22 423	0.17 446	0.17 345	0.26 462	0.13 408	0.25 432	0.24 437	0.32 403	0.50 472	0.25 410	0.33 413	0.38 458	0.26 432	0.28 446	0.25 439	0.11 390	0.10 416	0.16 463	0.11 415	0.11 401	0.10 380

Nwc_Net	0.23 438	0.16 435	0.21 399	0.25 457	0.14 426	0.24 422	0.26 459	0.37 455	0.38 425	0.22 375	0.41 459	0.30 413	0.28 448	0.28 446	0.25 439	0.11 390	0.10 416	0.17 466	0.20 480	0.10 381	0.10 380

ADCL	0.24 445	0.11 363	0.47 483	0.22 418	0.12 387	0.34 473	0.29 481	0.29 369	0.56 484	0.24 397	0.46 473	0.30 413	0.30 460	0.29 453	0.29 466	0.08 270	0.07 345	0.09 325	0.09 350	0.10 381	0.10 380

ADCP+	0.20 403	0.10 338	0.33 456	0.20 374	0.12 387	0.22 404	0.26 459	0.31 392	0.34 399	0.26 414	0.37 431	0.22 335	0.22 407	0.27 435	0.27 456	0.09 325	0.06 276	0.08 246	0.08 306	0.09 350	0.10 380

UCFNet_RVC	0.14 279	0.08 217	0.13 200	0.11 1	0.10 309	0.20 380	0.10 14	0.24 286	0.22 267	0.17 281	0.20 253	0.23 352	0.15 305	0.17 318	0.15 312	0.12 415	0.07 345	0.10 370	0.13 444	0.11 401	0.10 380

DeepPruner_ROB	0.16 346	0.11 363	0.15 283	0.17 189	0.10 309	0.17 323	0.15 189	0.32 403	0.21 253	0.19 326	0.21 274	0.22 335	0.18 366	0.20 378	0.15 312	0.13 438	0.09 397	0.09 325	0.09 350	0.11 401	0.10 380

PWC_ROB	0.21 414	0.16 435	0.26 425	0.18 269	0.11 356	0.22 404	0.13 77	0.32 403	0.49 469	0.30 444	0.40 449	0.32 434	0.24 419	0.31 457	0.22 407	0.10 362	0.07 345	0.11 401	0.08 306	0.11 401	0.10 380

CBMV	0.19 391	0.14 421	0.17 345	0.18 269	0.10 309	0.20 380	0.11 25	0.29 369	0.30 367	0.29 441	0.30 389	0.30 413	0.23 413	0.27 435	0.19 371	0.13 438	0.15 470	0.17 466	0.16 467	0.10 381	0.10 380
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	0.27 463	0.13 409	0.18 368	0.15 65	0.11 356	0.32 464	0.24 437	0.40 470	0.36 413	0.52 495	0.57 493	0.67 506	0.40 485	0.35 474	0.26 449	0.14 451	0.13 455	0.13 433	0.11 415	0.11 401	0.10 380
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
DDVS	0.15 322	0.10 338	0.21 399	0.16 124	0.12 387	0.15 272	0.14 123	0.25 302	0.19 215	0.18 311	0.29 383	0.27 388	0.12 225	0.19 353	0.15 312	0.09 325	0.06 276	0.09 325	0.07 242	0.11 401	0.11 403

SDNR	0.19 391	0.08 217	0.19 379	0.16 124	0.12 387	0.77 520	0.14 123	0.25 302	0.32 381	0.19 326	0.24 303	0.19 298	0.13 262	0.19 353	0.15 312	0.16 471	0.18 480	0.14 445	0.11 415	0.08 291	0.11 403

DisPM	0.11 156	0.07 125	0.12 155	0.16 124	0.09 208	0.06 8	0.13 77	0.17 143	0.17 175	0.14 210	0.20 253	0.12 163	0.10 171	0.11 86	0.10 106	0.06 92	0.04 3	0.07 165	0.06 155	0.06 164	0.11 403

Wz-Net-SNSev	0.25 454	0.17 446	0.44 478	0.25 457	0.14 426	0.26 440	0.23 425	0.38 462	0.56 484	0.30 444	0.55 486	0.39 466	0.26 432	0.23 416	0.30 471	0.10 362	0.09 397	0.09 325	0.10 385	0.11 401	0.11 403

Wz-Net-LNSev	0.22 423	0.16 435	0.38 469	0.21 403	0.13 408	0.25 432	0.23 425	0.32 403	0.43 450	0.30 444	0.41 459	0.31 425	0.18 366	0.22 405	0.25 439	0.10 362	0.09 397	0.08 246	0.08 306	0.12 415	0.11 403

PFNet+	0.11 156	0.06 52	0.13 200	0.16 124	0.09 208	0.05 4	0.12 42	0.17 143	0.21 253	0.16 265	0.19 241	0.14 207	0.10 171	0.11 86	0.11 159	0.08 270	0.05 160	0.09 325	0.08 306	0.06 164	0.11 403

Anonymous3	0.16 346	0.13 409	0.33 456	0.26 462	0.14 426	0.27 449	0.17 285	0.28 359	0.28 351	0.15 237	0.17 208	0.14 207	0.10 171	0.15 252	0.12 206	0.08 270	0.08 371	0.08 246	0.08 306	0.08 291	0.11 403

hitnet-ft	0.18 379	0.09 283	0.17 345	0.14 25	0.09 208	0.26 440	0.20 390	0.25 302	0.26 328	0.24 397	0.32 401	0.31 425	0.22 407	0.24 425	0.21 398	0.12 415	0.07 345	0.10 370	0.08 306	0.12 415	0.11 403

DANet	0.21 414	0.15 427	0.28 437	0.25 457	0.13 408	0.22 404	0.19 368	0.27 340	0.27 337	0.28 434	0.32 401	0.35 447	0.31 464	0.31 457	0.23 419	0.11 390	0.09 397	0.11 401	0.10 385	0.13 431	0.11 403
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV_ROB	0.19 391	0.13 409	0.17 345	0.16 124	0.11 356	0.15 272	0.13 77	0.26 319	0.28 351	0.27 420	0.30 389	0.27 388	0.24 419	0.23 416	0.16 328	0.15 455	0.17 478	0.22 484	0.20 480	0.10 381	0.11 403

SANet	0.24 445	0.14 421	0.28 437	0.21 403	0.11 356	0.27 449	0.24 437	0.38 462	0.64 497	0.36 465	0.40 449	0.43 477	0.26 432	0.27 435	0.24 430	0.12 415	0.09 397	0.10 370	0.09 350	0.13 431	0.11 403

SGM_RVC	0.23 438	0.12 380	0.15 283	0.15 65	0.09 208	0.33 470	0.18 330	0.34 431	0.31 374	0.44 488	0.37 431	0.53 495	0.35 475	0.35 474	0.24 430	0.13 438	0.13 455	0.13 433	0.13 444	0.10 381	0.11 403
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
TCMNet	0.19 391	0.12 380	0.19 379	0.20 374	0.18 473	0.20 380	0.24 437	0.27 340	0.36 413	0.23 388	0.26 349	0.25 371	0.19 382	0.19 353	0.23 419	0.13 438	0.11 428	0.11 401	0.12 434	0.13 431	0.12 415

DCVSM-stereo	0.14 279	0.09 283	0.16 317	0.16 124	0.10 309	0.15 272	0.09 8	0.19 191	0.23 277	0.20 347	0.23 292	0.26 380	0.15 305	0.18 337	0.14 284	0.09 325	0.07 345	0.09 325	0.08 306	0.10 381	0.12 415

DualNet (step1)	0.16 346	0.12 380	0.20 391	0.12 4	0.14 426	0.17 323	0.13 77	0.27 340	0.23 277	0.20 347	0.20 253	0.24 358	0.19 382	0.16 286	0.16 328	0.15 455	0.06 276	0.14 445	0.14 447	0.14 444	0.12 415

test_sample9	0.18 379	0.12 380	0.20 391	0.12 4	0.14 426	0.17 323	0.13 77	0.27 340	0.23 277	0.20 347	0.20 253	0.24 358	0.19 382	0.19 353	0.17 342	0.15 455	0.30 504	0.14 445	0.14 447	0.14 444	0.12 415

test_sample8	0.19 391	0.12 380	0.20 391	0.12 4	0.14 426	0.17 323	0.13 77	0.31 392	0.21 253	0.27 420	0.22 283	0.36 449	0.25 427	0.19 353	0.17 342	0.15 455	0.30 504	0.14 445	0.14 447	0.14 444	0.12 415

NF-Stereo	0.11 156	0.07 125	0.13 200	0.17 189	0.09 208	0.10 102	0.14 123	0.23 264	0.19 215	0.12 162	0.17 208	0.12 163	0.11 196	0.11 86	0.11 159	0.06 92	0.04 3	0.07 165	0.06 155	0.06 164	0.12 415

OCTAStereo	0.11 156	0.07 125	0.13 200	0.17 189	0.09 208	0.10 102	0.14 123	0.23 264	0.19 215	0.12 162	0.17 208	0.12 163	0.11 196	0.11 86	0.11 159	0.06 92	0.04 3	0.07 165	0.06 155	0.06 164	0.12 415

PSM-softLoss	0.12 221	0.07 125	0.15 283	0.17 189	0.09 208	0.08 41	0.13 77	0.24 286	0.17 175	0.14 210	0.19 241	0.13 187	0.11 196	0.11 86	0.11 159	0.07 210	0.05 160	0.08 246	0.07 242	0.06 164	0.12 415

KMStereo	0.12 221	0.07 125	0.15 283	0.17 189	0.09 208	0.08 41	0.13 77	0.24 286	0.17 175	0.14 210	0.19 241	0.13 187	0.11 196	0.11 86	0.11 159	0.07 210	0.05 160	0.08 246	0.07 242	0.06 164	0.12 415

RE-Stereo	0.11 156	0.07 125	0.13 200	0.17 189	0.09 208	0.10 102	0.14 123	0.23 264	0.19 215	0.12 162	0.17 208	0.12 163	0.11 196	0.11 86	0.11 159	0.06 92	0.04 3	0.07 165	0.06 155	0.06 164	0.12 415

TVStereo	0.11 156	0.07 125	0.13 200	0.17 189	0.09 208	0.10 102	0.14 123	0.23 264	0.19 215	0.12 162	0.17 208	0.12 163	0.11 196	0.11 86	0.11 159	0.06 92	0.04 3	0.07 165	0.06 155	0.06 164	0.12 415

APVNet	0.22 423	0.12 380	0.19 379	0.18 269	0.14 426	0.32 464	0.31 495	0.39 466	0.32 381	0.27 420	0.40 449	0.30 413	0.29 456	0.26 432	0.25 439	0.11 390	0.12 442	0.11 401	0.14 447	0.12 415	0.12 415

MaskLacGwcNet_RVC	0.22 423	0.21 469	0.24 417	0.26 462	0.11 356	0.23 417	0.14 123	0.39 466	0.24 293	0.32 456	0.36 425	0.30 413	0.21 398	0.19 353	0.21 398	0.17 476	0.14 464	0.21 480	0.16 467	0.12 415	0.12 415

ADCMid	0.25 454	0.15 427	0.40 473	0.20 374	0.14 426	0.25 432	0.26 459	0.34 431	0.38 425	0.36 465	0.44 471	0.34 443	0.40 485	0.35 474	0.33 482	0.10 362	0.09 397	0.11 401	0.11 415	0.13 431	0.12 415

STTRV1_RVC	0.25 454	0.26 483	0.39 471	0.19 325	0.26 495	0.30 461	0.24 437	0.34 431	0.35 408	0.36 465	0.34 417	0.31 425	0.31 464	0.28 446	0.25 439	0.17 476	0.10 416	0.16 463	0.14 447	0.17 473	0.12 415

SGM-ForestM	0.32 479	0.12 380	0.16 317	0.16 124	0.11 356	0.39 488	0.19 368	0.41 476	0.50 472	0.52 495	0.54 485	1.32 525	0.42 493	0.40 492	0.27 456	0.14 451	0.16 473	0.16 463	0.16 467	0.12 415	0.12 415

XPNet_ROB	0.22 423	0.11 363	0.19 379	0.22 418	0.13 408	0.22 404	0.19 368	0.34 431	0.40 435	0.30 444	0.39 444	0.39 466	0.26 432	0.26 432	0.28 463	0.15 455	0.10 416	0.10 370	0.10 385	0.13 431	0.12 415

LALA_ROB	0.25 454	0.16 435	0.22 405	0.26 462	0.17 467	0.27 449	0.27 466	0.42 481	0.37 420	0.33 460	0.38 436	0.51 491	0.26 432	0.28 446	0.27 456	0.16 471	0.09 397	0.12 418	0.11 415	0.13 431	0.12 415

SGM-Forest	0.20 403	0.14 421	0.18 368	0.19 325	0.13 408	0.20 380	0.22 416	0.33 422	0.30 367	0.24 397	0.29 383	0.28 398	0.19 382	0.23 416	0.17 342	0.15 455	0.16 473	0.15 457	0.14 447	0.12 415	0.12 415
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
coex-ft	3.30 534	0.34 498	59.09 556	0.18 269	0.13 408	0.26 440	0.22 416	0.27 340	0.72 505	1.90 536	0.70 503	0.44 479	0.45 496	0.29 453	0.41 499	0.09 325	0.09 397	0.12 418	0.09 350	0.14 444	0.13 434

pcwnet_v2	0.19 391	0.10 338	0.26 425	0.17 189	0.14 426	0.18 341	0.15 189	0.37 455	0.46 462	0.19 326	0.24 303	0.21 317	0.19 382	0.20 378	0.19 371	0.13 438	0.10 416	0.10 370	0.10 385	0.11 401	0.13 434

FINET	0.21 414	0.18 456	0.26 425	0.18 269	0.16 452	0.23 417	0.23 425	0.32 403	0.48 464	0.25 410	0.32 401	0.22 335	0.22 407	0.22 405	0.17 342	0.18 478	0.16 473	0.11 401	0.10 385	0.15 459	0.13 434

S-Stereo	0.20 403	0.12 380	0.25 422	0.21 403	0.13 408	0.20 380	0.18 330	0.32 403	0.43 450	0.23 388	0.36 425	0.28 398	0.30 460	0.19 353	0.22 407	0.09 325	0.12 442	0.10 370	0.10 385	0.13 431	0.13 434

G-Net	0.24 445	0.16 435	0.36 465	0.22 418	0.16 452	0.51 497	0.23 425	0.29 369	0.34 399	0.36 465	0.38 436	0.31 425	0.29 456	0.27 435	0.26 449	0.11 390	0.09 397	0.12 418	0.09 350	0.16 466	0.13 434

NCC-stereo	0.24 445	0.15 427	0.31 450	0.26 462	0.16 452	0.20 380	0.30 489	0.40 470	0.40 435	0.24 397	0.38 436	0.33 437	0.28 448	0.36 479	0.27 456	0.12 415	0.11 428	0.15 457	0.22 485	0.13 431	0.13 434

stereogan	0.22 423	0.11 363	0.21 399	0.20 374	0.12 387	0.31 463	0.19 368	0.35 444	0.44 455	0.22 375	0.39 444	0.35 447	0.27 440	0.33 465	0.22 407	0.10 362	0.12 442	0.10 370	0.10 385	0.14 444	0.13 434

edge stereo	0.22 423	0.13 409	0.20 391	0.21 403	0.13 408	0.23 417	0.16 254	0.32 403	0.42 445	0.32 456	0.40 449	0.38 458	0.35 475	0.25 430	0.24 430	0.13 438	0.11 428	0.14 445	0.11 415	0.12 415	0.13 434

Abc-Net	0.24 445	0.15 427	0.31 450	0.26 462	0.16 452	0.20 380	0.30 489	0.40 470	0.40 435	0.24 397	0.38 436	0.33 437	0.28 448	0.36 479	0.27 456	0.12 415	0.11 428	0.15 457	0.22 485	0.13 431	0.13 434
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RTSC	0.23 438	0.12 380	0.28 437	0.21 403	0.13 408	0.28 455	0.16 254	0.35 444	0.66 500	0.27 420	0.33 413	0.30 413	0.21 398	0.31 457	0.29 466	0.10 362	0.08 371	0.09 325	0.10 385	0.13 431	0.13 434

DeepPrunerF	0.24 445	0.17 446	0.42 477	0.26 462	0.16 452	0.22 404	0.28 472	0.37 455	0.50 472	0.26 414	0.29 383	0.24 358	0.28 448	0.21 394	0.22 407	0.15 455	0.11 428	0.20 479	0.18 478	0.12 415	0.13 434

ADCPNet	0.25 454	0.16 435	0.61 496	0.21 403	0.15 442	0.35 481	0.25 452	0.32 403	0.35 408	0.30 444	0.40 449	0.36 449	0.28 448	0.28 446	0.32 479	0.12 415	0.10 416	0.11 401	0.12 434	0.14 444	0.13 434

PA-Net	0.23 438	0.18 456	0.33 456	0.28 477	0.22 484	0.21 396	0.38 504	0.29 369	0.39 429	0.22 375	0.32 401	0.25 371	0.26 432	0.20 378	0.25 439	0.09 325	0.23 498	0.15 457	0.22 485	0.09 350	0.13 434
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 438	0.15 427	0.17 345	0.34 492	0.18 473	0.24 422	0.23 425	0.34 431	0.28 351	0.31 450	0.38 436	0.38 458	0.28 448	0.23 416	0.24 430	0.15 455	0.12 442	0.18 475	0.21 482	0.13 431	0.13 434

NOSS_ROB	0.19 391	0.12 380	0.18 368	0.16 124	0.12 387	0.15 272	0.12 42	0.30 383	0.32 381	0.20 347	0.22 283	0.27 388	0.23 413	0.21 394	0.16 328	0.16 471	0.18 480	0.23 485	0.21 482	0.12 415	0.13 434

ETE_ROB	0.23 438	0.17 446	0.22 405	0.25 457	0.13 408	0.26 440	0.29 481	0.31 392	0.36 413	0.28 434	0.36 425	0.45 481	0.26 432	0.27 435	0.26 449	0.11 390	0.08 371	0.12 418	0.09 350	0.14 444	0.13 434

PDISCO_ROB	0.27 463	0.16 435	0.26 425	0.28 477	0.20 479	0.32 464	0.26 459	0.44 487	0.57 486	0.28 434	0.40 449	0.45 481	0.29 456	0.33 465	0.34 484	0.12 415	0.09 397	0.17 466	0.16 467	0.17 473	0.13 434

Wz-Net-TNSev	0.29 471	0.20 463	0.65 499	0.19 325	0.15 442	0.38 487	0.27 466	0.35 444	0.55 482	0.34 462	0.42 466	0.45 481	0.38 480	0.32 463	0.30 471	0.12 415	0.13 455	0.10 370	0.12 434	0.15 459	0.14 451

UDG	0.21 414	0.17 446	0.19 379	0.23 438	0.15 442	0.30 461	0.20 390	0.33 422	0.35 408	0.23 388	0.28 371	0.31 425	0.27 440	0.20 378	0.22 407	0.15 455	0.12 442	0.13 433	0.09 350	0.14 444	0.14 451

SACVNet	0.18 379	0.12 380	0.14 234	0.17 189	0.13 408	0.22 404	0.18 330	0.31 392	0.30 367	0.23 388	0.31 397	0.30 413	0.22 407	0.22 405	0.17 342	0.11 390	0.08 371	0.10 370	0.10 385	0.12 415	0.14 451

PSM-AAD	0.11 156	0.07 125	0.10 81	0.19 325	0.09 208	0.10 102	0.15 189	0.20 202	0.13 96	0.12 162	0.14 158	0.18 284	0.11 196	0.11 86	0.10 106	0.05 7	0.05 160	0.09 325	0.08 306	0.06 164	0.14 451

FAT-Stereo	0.20 403	0.12 380	0.22 405	0.21 403	0.12 387	0.17 323	0.18 330	0.34 431	0.39 429	0.27 420	0.37 431	0.34 443	0.32 468	0.21 394	0.20 378	0.09 325	0.11 428	0.10 370	0.09 350	0.11 401	0.14 451

RP	0.21 414	0.13 409	0.21 399	0.23 438	0.11 356	0.21 396	0.20 390	0.25 302	0.44 455	0.21 360	0.38 436	0.36 449	0.24 419	0.27 435	0.25 439	0.11 390	0.12 442	0.13 433	0.12 434	0.12 415	0.14 451

WCMA_ROB	0.24 445	0.11 363	0.22 405	0.17 189	0.14 426	0.32 464	0.15 189	0.32 403	0.32 381	0.38 471	0.53 483	0.40 470	0.34 473	0.34 468	0.25 439	0.11 390	0.12 442	0.12 418	0.10 385	0.14 444	0.14 451

SQANet	0.23 438	0.23 474	0.30 448	0.30 486	0.19 476	0.27 449	0.13 77	0.29 369	0.33 388	0.24 397	0.37 431	0.31 425	0.22 407	0.27 435	0.23 419	0.15 455	0.10 416	0.21 480	0.16 467	0.21 482	0.15 458

LCNet	0.11 156	0.07 125	0.09 51	0.19 325	0.09 208	0.08 41	0.15 189	0.21 223	0.15 132	0.11 126	0.15 175	0.16 250	0.11 196	0.12 164	0.11 159	0.05 7	0.04 3	0.08 246	0.07 242	0.06 164	0.15 458

MFN_U_SF_RVC	0.32 479	0.21 469	0.55 490	0.30 486	0.15 442	0.34 473	0.17 285	0.52 500	0.46 462	0.46 492	0.55 486	0.59 498	0.39 482	0.35 474	0.37 490	0.15 455	0.14 464	0.18 475	0.21 482	0.16 466	0.15 458

RTS	0.45 498	0.19 459	3.26 533	0.24 447	0.15 442	0.74 514	0.20 390	0.36 450	0.76 511	0.42 483	0.43 469	0.31 425	0.41 490	0.53 504	0.35 485	0.10 362	0.08 371	0.13 433	0.12 434	0.15 459	0.15 458

RTSA	0.45 498	0.19 459	3.26 533	0.24 447	0.15 442	0.74 514	0.20 390	0.36 450	0.76 511	0.42 483	0.43 469	0.31 425	0.41 490	0.53 504	0.35 485	0.10 362	0.08 371	0.13 433	0.12 434	0.15 459	0.15 458

AnyNet_C01	0.36 486	0.25 482	1.37 526	0.22 418	0.17 467	0.48 495	0.27 466	0.35 444	0.39 429	0.39 473	0.74 507	0.46 485	0.38 480	0.45 496	0.47 505	0.13 438	0.13 455	0.13 433	0.14 447	0.14 444	0.15 458

AnyNet_C32	0.26 461	0.16 435	0.36 465	0.20 374	0.16 452	0.25 432	0.30 489	0.32 403	0.44 455	0.31 450	0.49 477	0.30 413	0.33 469	0.40 492	0.33 482	0.12 415	0.12 442	0.12 418	0.14 447	0.14 444	0.15 458

RYNet	0.22 423	0.12 380	0.22 405	0.19 325	0.17 467	0.46 491	0.26 459	0.38 462	0.48 464	0.24 397	0.28 371	0.34 443	0.23 413	0.20 378	0.30 471	0.10 362	0.06 276	0.09 325	0.09 350	0.13 431	0.15 458

CC-Net-ROB	0.28 467	0.31 494	0.36 465	0.29 484	0.15 442	0.25 432	0.19 368	0.45 490	0.33 388	0.39 473	0.37 431	0.39 466	0.31 464	0.27 435	0.26 449	0.24 499	0.19 483	0.30 500	0.23 489	0.18 477	0.15 458

CSAN	0.29 471	0.24 477	0.27 432	0.34 492	0.19 476	0.33 470	0.42 508	0.37 455	0.50 472	0.38 471	0.40 449	0.44 479	0.33 469	0.28 446	0.30 471	0.20 485	0.16 473	0.19 477	0.19 479	0.14 444	0.15 458

DispFullNet	0.27 463	0.21 469	0.65 499	0.28 477	0.16 452	0.26 440	0.17 285	0.33 422	0.58 489	0.27 420	0.38 436	0.43 477	0.23 413	0.38 485	0.23 419	0.12 415	0.06 276	0.19 477	0.11 415	0.21 482	0.15 458

PSMNet-RUCA	0.27 463	0.33 496	0.41 475	0.36 496	0.32 503	0.18 341	0.19 368	0.42 481	0.30 367	0.33 460	0.41 459	0.39 466	0.25 427	0.31 457	0.20 378	0.18 478	0.10 416	0.25 487	0.15 463	0.21 482	0.16 469

WZ-Net	0.28 467	0.17 446	0.78 513	0.22 418	0.16 452	0.34 473	0.29 481	0.39 466	0.57 486	0.24 397	0.55 486	0.37 454	0.24 419	0.33 465	0.35 485	0.09 325	0.08 371	0.09 325	0.10 385	0.14 444	0.16 469

DDUNet	0.22 423	0.17 446	0.21 399	0.22 418	0.15 442	0.25 432	0.24 437	0.29 369	0.30 367	0.31 450	0.36 425	0.33 437	0.25 427	0.24 425	0.20 378	0.18 478	0.13 455	0.17 466	0.11 415	0.16 466	0.16 469

KYRaft	0.11 156	0.07 125	0.10 81	0.19 325	0.09 208	0.08 41	0.15 189	0.22 245	0.12 66	0.13 189	0.16 187	0.20 310	0.10 171	0.12 164	0.10 106	0.05 7	0.04 3	0.08 246	0.08 306	0.06 164	0.16 469

psmorigin	0.25 454	0.15 427	0.34 464	0.17 189	0.13 408	0.23 417	0.14 123	0.34 431	0.33 388	0.41 480	0.55 486	0.41 472	0.37 479	0.34 468	0.27 456	0.11 390	0.15 470	0.11 401	0.11 415	0.12 415	0.16 469

RGC	0.25 454	0.20 463	0.29 445	0.28 477	0.16 452	0.22 404	0.23 425	0.32 403	0.44 455	0.27 420	0.40 449	0.38 458	0.27 440	0.36 479	0.22 407	0.11 390	0.13 455	0.17 466	0.17 474	0.14 444	0.16 469

ADCS	0.29 471	0.18 456	0.45 479	0.21 403	0.17 467	0.28 455	0.23 425	0.41 476	0.63 496	0.40 476	0.49 477	0.40 470	0.36 477	0.39 488	0.40 496	0.13 438	0.12 442	0.13 433	0.14 447	0.16 466	0.16 469

DPSNet	0.28 467	0.16 435	0.31 450	0.18 269	0.13 408	0.54 499	0.42 508	0.51 499	0.67 501	0.29 441	0.38 436	0.38 458	0.29 456	0.31 457	0.23 419	0.11 390	0.10 416	0.11 401	0.08 306	0.20 481	0.16 469

ISRNet	0.18 379	0.08 217	0.19 379	0.19 325	0.13 408	0.15 272	0.12 42	0.30 383	0.32 381	0.21 360	0.25 332	0.27 388	0.17 353	0.17 318	0.20 378	0.20 485	0.08 371	0.14 445	0.14 447	0.14 444	0.17 477

Anonymous_2	0.22 423	0.17 446	0.28 437	0.15 65	0.16 452	0.32 464	0.22 416	0.22 245	0.17 175	0.23 388	0.24 303	0.26 380	0.27 440	0.27 435	0.23 419	0.22 493	0.25 500	0.17 466	0.17 474	0.17 473	0.17 477

GANetREF_RVC	0.31 477	0.34 498	0.27 432	0.35 494	0.16 452	0.32 464	0.41 505	0.48 494	0.51 479	0.35 463	0.35 422	0.34 443	0.33 469	0.39 488	0.32 479	0.27 501	0.20 486	0.29 498	0.15 463	0.18 477	0.17 477
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ccnet	0.29 471	0.28 489	0.23 414	0.20 374	0.28 497	0.41 490	0.21 407	0.45 490	0.33 388	0.36 465	0.46 473	0.36 449	0.30 460	0.39 488	0.42 500	0.23 497	0.14 464	0.21 480	0.17 474	0.23 486	0.18 480

MSC_U_SF_DS_RVC	0.43 495	0.39 502	0.54 488	0.40 499	0.20 479	0.64 506	0.32 497	0.53 502	0.72 505	0.71 506	0.72 504	0.61 500	0.54 503	0.51 500	0.46 504	0.20 485	0.19 483	0.29 498	0.30 500	0.23 486	0.18 480

FADNet-RVC	0.20 403	0.20 463	0.38 469	0.21 403	0.16 452	0.20 380	0.15 189	0.26 319	0.26 328	0.26 414	0.32 401	0.26 380	0.21 398	0.22 405	0.19 371	0.12 415	0.13 455	0.12 418	0.14 447	0.13 431	0.18 480

FADNet	0.21 414	0.22 473	0.36 465	0.18 269	0.17 467	0.24 422	0.13 77	0.31 392	0.31 374	0.23 388	0.25 332	0.27 388	0.21 398	0.19 353	0.15 312	0.13 438	0.15 470	0.12 418	0.15 463	0.16 466	0.18 480

XQC	0.28 467	0.23 474	0.51 485	0.28 477	0.19 476	0.34 473	0.27 466	0.36 450	0.57 486	0.31 450	0.30 389	0.37 454	0.30 460	0.38 485	0.38 492	0.13 438	0.09 397	0.15 457	0.12 434	0.17 473	0.18 480

MFN_U_SF_DS_RVC	0.30 476	0.24 477	0.29 445	0.36 496	0.16 452	0.34 473	0.30 489	0.32 403	0.42 445	0.40 476	0.46 473	0.38 458	0.31 464	0.34 468	0.28 463	0.19 483	0.20 486	0.26 488	0.29 498	0.18 477	0.19 485

SHD	0.26 461	0.15 427	0.30 448	0.24 447	0.18 473	0.22 404	0.15 189	0.38 462	0.71 504	0.32 456	0.41 459	0.36 449	0.28 448	0.32 463	0.29 466	0.12 415	0.11 428	0.14 445	0.13 444	0.16 466	0.20 486

SAMSARA	0.40 491	0.28 489	0.33 456	0.55 510	0.39 504	0.82 521	1.23 535	0.47 493	0.51 479	0.36 465	0.35 422	0.55 497	0.39 482	0.38 485	0.39 494	0.15 455	0.20 486	0.15 457	0.14 447	0.23 486	0.20 486

BEATNet-Init1	0.52 504	0.27 485	0.62 497	0.30 486	0.21 482	0.76 518	0.29 481	0.54 503	0.65 499	0.86 517	0.95 518	2.07 535	0.62 512	0.56 508	0.42 500	0.18 478	0.18 480	0.23 485	0.22 485	0.22 485	0.21 488

PASM	0.32 479	0.24 477	0.48 484	0.28 477	0.27 496	0.29 458	0.30 489	0.34 431	0.49 469	0.35 463	0.39 444	0.46 485	0.34 473	0.34 468	0.35 485	0.23 497	0.25 500	0.26 488	0.28 497	0.23 486	0.21 488

MSMD_ROB	0.31 477	0.26 483	0.26 425	0.24 447	0.21 482	0.34 473	0.25 452	0.34 431	0.39 429	0.40 476	0.69 501	0.45 481	0.40 485	0.34 468	0.27 456	0.20 485	0.19 483	0.26 488	0.25 491	0.23 486	0.22 490

FADE	0.45 498	0.33 496	1.03 522	0.33 491	0.25 494	0.35 481	0.29 481	0.64 511	1.07 519	0.43 486	0.41 459	0.42 473	0.53 501	0.70 514	0.51 511	0.30 502	0.21 497	0.41 506	0.38 506	0.23 486	0.22 490

DGSMNet	0.24 445	0.19 459	0.33 456	0.21 403	0.24 488	0.24 422	0.20 390	0.35 444	0.41 438	0.24 397	0.32 401	0.38 458	0.21 398	0.29 453	0.23 419	0.12 415	0.11 428	0.14 445	0.16 467	0.23 486	0.23 492

FC-DCNN v2	0.33 482	0.27 485	0.28 437	0.26 462	0.23 486	0.37 484	0.28 472	0.40 470	0.43 450	0.45 489	0.56 491	0.51 491	0.40 485	0.37 483	0.29 466	0.21 489	0.20 486	0.27 491	0.26 492	0.25 494	0.24 493

ACVNet_1	0.44 496	0.49 507	0.60 495	0.45 504	0.28 497	0.49 496	0.27 466	0.57 507	0.72 505	0.62 501	0.58 495	0.74 510	0.49 499	0.50 499	0.35 485	0.26 500	0.24 499	0.39 504	0.29 498	0.31 504	0.24 493

FCDSN-DC	0.33 482	0.28 489	0.28 437	0.30 486	0.24 488	0.39 488	0.28 472	0.42 481	0.42 445	0.43 486	0.53 483	0.51 491	0.41 490	0.36 479	0.30 471	0.21 489	0.20 486	0.27 491	0.26 492	0.25 494	0.24 493
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.45 498	0.27 485	0.27 432	0.27 474	0.24 488	0.47 493	0.31 495	0.55 504	0.59 490	0.72 508	1.13 527	1.15 519	0.61 510	0.52 502	0.37 490	0.21 489	0.20 486	0.27 491	0.31 502	0.25 494	0.24 493

FC-DCNN	0.33 482	0.27 485	0.28 437	0.26 462	0.23 486	0.37 484	0.28 472	0.40 470	0.43 450	0.45 489	0.55 486	0.51 491	0.40 485	0.37 483	0.30 471	0.21 489	0.20 486	0.27 491	0.26 492	0.25 494	0.24 493

ELAS_RVC	0.41 493	0.29 492	0.33 456	0.28 477	0.24 488	0.54 499	0.36 500	0.49 496	0.59 490	0.72 508	0.74 507	0.65 504	0.54 503	0.54 506	0.40 496	0.22 493	0.20 486	0.27 491	0.26 492	0.26 498	0.25 498
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 493	0.29 492	0.33 456	0.27 474	0.24 488	0.60 504	0.36 500	0.50 498	0.50 472	0.71 506	0.79 511	0.67 506	0.54 503	0.51 500	0.42 500	0.22 493	0.20 486	0.27 491	0.26 492	0.26 498	0.25 498
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet-4b	0.39 488	0.53 508	0.55 490	0.45 504	0.24 488	0.47 493	0.18 330	0.49 496	0.64 497	0.42 483	0.45 472	0.60 499	0.27 440	0.34 468	0.24 430	0.33 505	0.14 464	0.48 508	0.42 508	0.30 501	0.26 500

otaku	0.39 488	0.37 501	0.52 486	0.44 503	0.28 497	0.58 501	0.24 437	0.41 476	0.62 495	0.40 476	0.49 477	0.46 485	0.33 469	0.40 492	0.32 479	0.30 502	0.30 504	0.39 504	0.33 503	0.29 500	0.28 501

Ntro	0.40 491	0.40 503	0.53 487	0.46 507	0.30 501	0.65 507	0.24 437	0.46 492	0.68 502	0.41 480	0.49 477	0.48 489	0.42 493	0.39 488	0.31 478	0.32 504	0.28 502	0.37 503	0.30 500	0.32 505	0.29 502

Consistency-Raft	0.44 496	0.40 503	0.45 479	0.37 498	0.43 508	0.46 491	0.41 505	0.57 507	0.55 482	0.32 456	0.73 505	0.33 437	0.48 498	0.42 495	0.49 507	0.39 507	0.35 508	0.45 507	0.51 515	0.42 507	0.29 502

NVStereoNet_ROB	0.46 502	0.36 500	0.46 482	0.41 501	0.28 497	0.34 473	0.34 498	0.48 494	0.60 493	0.72 508	0.93 516	0.70 509	0.66 513	0.47 497	0.60 515	0.22 493	0.33 507	0.34 502	0.34 505	0.30 501	0.30 504
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
PVD	0.39 488	0.20 463	0.39 471	0.31 490	0.22 484	0.29 458	0.43 510	0.52 500	0.96 518	0.55 498	0.79 511	0.53 495	0.59 509	0.52 502	0.38 492	0.19 483	0.14 464	0.17 466	0.14 447	0.24 493	0.31 505

MADNet+	0.75 516	0.71 518	3.70 536	0.66 513	0.41 506	0.98 526	0.97 533	0.69 513	0.73 509	0.52 495	0.57 493	0.64 502	0.68 515	0.86 523	1.01 531	0.34 506	0.36 509	0.28 497	0.23 489	0.36 506	0.31 505

LSM	0.33 482	0.20 463	0.58 494	0.26 462	0.60 520	0.34 473	0.25 452	0.42 481	0.48 464	0.45 489	0.58 495	0.42 473	0.36 477	0.35 474	0.25 439	0.12 415	0.20 486	0.14 445	0.16 467	0.19 480	0.33 507

JetBlue	0.71 513	0.45 506	1.14 524	0.51 508	0.47 510	2.02 535	0.64 522	0.75 514	0.70 503	0.69 505	0.77 510	1.22 521	0.83 520	1.03 531	1.01 531	0.40 508	0.28 502	0.33 501	0.33 503	0.30 501	0.34 508

ACVNet_2	0.66 512	0.66 516	0.68 507	0.63 512	0.41 506	0.71 512	0.49 512	0.96 523	1.39 528	0.89 518	1.09 523	1.04 515	0.73 516	0.54 506	0.47 505	0.43 511	0.40 510	0.53 513	0.44 509	0.47 508	0.35 509

IMH-64-1	0.65 510	0.61 512	0.68 507	0.71 514	0.51 511	0.59 502	0.49 512	0.91 519	0.85 513	0.74 512	1.02 520	0.81 511	0.78 518	0.79 516	0.49 507	0.42 509	0.46 512	0.71 516	0.47 510	0.52 510	0.39 510

IMH-64	0.65 510	0.61 512	0.68 507	0.71 514	0.51 511	0.59 502	0.49 512	0.91 519	0.85 513	0.74 512	1.02 520	0.81 511	0.78 518	0.79 516	0.49 507	0.42 509	0.46 512	0.71 516	0.47 510	0.52 510	0.39 510

RainbowNet	0.54 506	0.61 512	0.70 511	0.57 511	0.43 508	0.65 507	0.37 503	0.60 509	0.87 515	0.50 494	0.66 498	0.64 502	0.47 497	0.49 498	0.43 503	0.47 513	0.48 517	0.52 512	0.41 507	0.52 510	0.40 512

IMH	0.71 513	0.64 515	0.68 507	0.76 516	0.54 513	0.69 510	0.54 516	0.98 525	1.10 521	0.82 516	1.09 523	0.89 513	0.88 523	0.87 524	0.52 512	0.44 512	0.50 521	0.75 519	0.51 515	0.56 515	0.41 513

PWCK	0.71 513	0.94 527	0.95 520	0.76 516	0.31 502	0.74 514	0.36 500	0.90 518	0.90 516	0.96 521	0.75 509	0.95 514	0.61 510	0.87 524	0.66 518	0.72 524	0.46 512	0.75 519	0.49 512	0.69 523	0.44 514

GCST	0.37 487	0.42 505	0.26 425	1.02 529	0.39 504	0.18 341	0.08 4	0.20 202	0.17 175	0.28 434	0.25 332	0.15 236	0.12 225	0.16 286	0.14 284	0.64 522	0.43 511	0.75 519	0.65 522	0.63 516	0.46 515

TorneroNet-64	0.76 517	0.72 519	0.74 512	0.78 518	0.58 519	0.91 525	0.56 517	0.84 517	1.29 525	0.66 502	0.90 514	1.40 527	0.75 517	0.85 522	0.67 521	0.49 514	0.46 512	0.72 518	0.59 518	0.67 520	0.53 516

anonymity	0.53 505	0.58 510	0.65 499	0.41 501	0.61 521	0.53 498	0.41 505	0.56 505	0.41 438	0.55 498	0.50 481	0.49 490	0.55 506	0.58 509	0.50 510	0.58 518	0.50 521	0.51 510	0.51 515	0.51 509	0.57 517

WAO-7	0.79 518	0.78 521	0.54 488	0.85 522	0.67 524	0.74 514	0.68 526	1.05 528	1.32 526	0.90 519	1.20 530	1.04 515	0.92 524	0.69 513	0.66 518	0.60 520	0.62 531	0.67 515	0.68 524	0.64 517	0.58 518

WAO-6	0.81 519	0.80 522	0.62 497	0.86 523	0.63 522	0.76 518	0.58 519	0.98 525	1.54 533	0.90 519	0.96 519	1.07 517	1.03 528	0.70 514	0.66 518	0.72 524	0.49 519	0.90 527	0.71 525	0.68 521	0.58 518

Dean	0.87 522	0.86 526	0.79 515	0.81 520	0.56 516	0.90 522	0.63 520	1.15 534	1.73 534	1.15 529	1.15 528	1.31 524	0.99 527	0.81 518	0.81 527	0.57 517	0.56 528	0.77 523	0.64 521	0.66 519	0.58 518

SPS-STEREO	0.57 508	0.58 510	0.65 499	0.45 504	0.55 515	0.62 505	0.44 511	0.62 510	0.50 472	0.68 504	0.64 497	0.66 505	0.57 508	0.61 510	0.60 515	0.62 521	0.47 516	0.51 510	0.49 512	0.55 514	0.58 518
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.56 507	0.57 509	0.65 499	0.40 499	0.54 513	0.66 509	0.49 512	0.56 505	0.45 461	0.66 502	0.69 501	0.67 506	0.56 507	0.63 511	0.56 513	0.59 519	0.48 517	0.50 509	0.50 514	0.52 510	0.58 518

LVE	0.83 521	0.85 525	0.85 518	0.80 519	0.56 516	1.04 531	0.65 523	1.05 528	1.47 531	0.96 521	1.22 531	1.10 518	0.85 521	0.83 519	0.71 523	0.49 514	0.55 527	0.76 522	0.60 520	0.65 518	0.59 523

WAO-8	0.91 523	0.81 523	0.65 499	0.94 526	0.69 525	0.90 522	0.67 524	1.07 531	1.83 536	1.06 526	1.45 533	1.30 522	1.07 529	0.84 520	0.78 524	0.74 526	0.53 524	0.86 525	0.75 526	0.69 523	0.62 524

Venus	0.91 523	0.81 523	0.65 499	0.94 526	0.69 525	0.90 522	0.67 524	1.07 531	1.83 536	1.06 526	1.45 533	1.30 522	1.07 529	0.84 520	0.78 524	0.74 526	0.53 524	0.86 525	0.75 526	0.69 523	0.62 524

TorneroNet	0.82 520	0.74 520	0.81 517	0.84 521	0.63 522	0.99 527	0.63 520	0.96 523	1.16 522	0.80 515	1.11 525	1.36 526	0.86 522	0.93 527	0.80 526	0.56 516	0.49 519	0.78 524	0.66 523	0.73 526	0.63 526

MFMNet_re	0.64 509	0.66 516	0.65 499	0.51 508	0.69 525	0.69 510	0.57 518	0.64 511	0.73 509	0.60 500	0.73 505	0.62 501	0.67 514	0.65 512	0.60 515	0.66 523	0.58 530	0.63 514	0.59 518	0.68 521	0.69 527

UNDER WATER-64	0.95 525	0.94 527	1.43 528	0.87 524	0.56 516	1.18 534	0.87 530	0.77 515	0.94 517	1.04 524	0.85 513	1.58 532	1.21 534	0.94 528	0.96 529	0.87 530	0.57 529	1.03 530	0.88 531	0.78 527	0.73 528

UNDER WATER	0.97 526	0.97 529	1.42 527	0.99 528	0.70 528	1.12 533	0.84 529	0.80 516	1.08 520	1.01 523	0.90 514	1.55 531	1.22 535	1.03 531	1.00 530	0.78 528	0.53 524	1.02 529	0.87 530	0.80 528	0.74 529

ktn	1.01 528	1.21 532	0.80 516	1.23 533	0.86 531	1.01 529	0.87 530	0.94 522	1.39 528	1.04 524	1.12 526	1.15 519	1.07 529	0.94 528	0.59 514	1.28 536	0.71 533	1.38 536	0.83 529	1.02 532	0.75 530

notaker	0.97 526	1.11 530	0.98 521	1.13 531	0.81 529	0.73 513	0.68 526	0.93 521	1.16 522	1.18 531	1.18 529	1.41 528	1.16 533	1.08 533	0.69 522	0.81 529	0.64 532	1.17 532	0.79 528	0.98 530	0.80 531

HanzoNet	1.29 531	1.26 534	1.19 525	1.12 530	0.85 530	1.02 530	0.83 528	1.03 527	1.48 532	1.64 534	1.61 535	2.50 537	1.72 536	1.61 535	1.61 534	1.26 535	0.80 534	1.31 535	1.01 533	1.02 532	0.86 532

KSHMR	1.09 529	1.17 531	0.88 519	1.25 534	1.00 533	0.99 527	0.96 532	1.13 533	1.37 527	1.16 530	1.29 532	1.41 528	0.96 526	1.01 530	0.92 528	1.03 533	1.08 535	1.20 533	1.03 534	1.01 531	0.97 533

JetRed	1.62 532	1.46 535	2.98 531	0.92 525	1.21 534	4.99 538	1.53 537	1.27 536	1.39 528	1.83 535	1.74 536	1.60 533	0.95 525	1.41 534	2.45 538	0.90 532	1.60 537	0.93 528	0.90 532	1.35 534	0.99 534

DPSimNet_ROB	1.11 530	1.23 533	0.78 513	1.13 531	0.88 532	1.10 532	1.13 534	1.16 535	1.23 524	1.43 533	1.02 520	1.41 528	1.10 532	0.90 526	1.60 533	1.46 537	0.51 523	1.21 534	1.03 534	0.90 529	1.01 535

tt	4.67 537	0.06 52	3.55 535	2.02 537	1.55 535	10.25 543	16.71 542	8.91 547	5.03 539	1.31 532	0.94 517	4.71 538	4.76 539	3.33 538	5.87 541	6.06 546	10.30 550	1.88 540	2.11 540	2.75 538	1.21 536

ASD4	3.54 535	3.38 539	2.05 530	1.72 535	2.51 538	9.03 542	17.71 543	2.25 537	5.51 540	2.46 537	2.81 539	2.03 534	3.36 538	2.73 537	5.06 539	1.22 534	1.34 536	1.13 531	1.33 536	1.68 535	1.49 537

MADNet++	1.95 533	1.75 536	1.59 529	1.82 536	1.69 536	2.33 536	1.40 536	2.35 538	2.09 538	2.57 538	2.36 538	2.24 536	2.17 537	2.28 536	2.34 536	1.87 538	1.66 538	1.54 537	1.34 537	1.92 536	1.77 538

USTest	6.22 538	2.73 538	3.00 532	6.57 544	7.29 543	14.37 545	21.57 544	7.00 546	9.56 545	5.34 542	6.10 540	5.72 541	7.64 542	6.41 543	6.96 542	1.97 539	3.42 544	1.64 538	2.15 541	2.66 537	2.36 539

PML	8.91 545	9.34 549	6.13 538	5.35 541	6.41 542	14.99 546	23.38 550	5.27 539	6.83 541	18.04 551	28.19 556	7.67 543	6.83 541	7.85 544	5.75 540	5.35 545	1.83 539	5.95 549	1.93 539	8.64 547	2.52 540

xxxxx1	7.79 539	5.02 542	7.31 540	3.12 538	3.85 539	16.35 547	22.88 545	5.86 543	8.69 542	7.97 543	8.54 541	9.12 545	8.27 543	10.18 545	10.92 543	2.42 540	2.45 540	3.56 543	12.37 547	3.77 539	3.06 541

tt_ll	7.79 539	5.02 542	7.31 540	3.12 538	3.85 539	16.35 547	22.88 545	5.86 543	8.69 542	7.97 543	8.54 541	9.12 545	8.27 543	10.18 545	10.92 543	2.42 540	2.45 540	3.56 543	12.37 547	3.77 539	3.06 541

ff	7.79 539	5.02 542	7.31 540	3.12 538	3.85 539	16.35 547	22.88 545	5.86 543	8.69 542	7.97 543	8.54 541	9.12 545	8.27 543	10.18 545	10.92 543	2.42 540	2.45 540	3.56 543	12.37 547	3.77 539	3.06 541

TCMNet-wrong-test	3.67 536	5.48 545	3.89 537	12.18 548	11.75 549	4.65 537	3.88 538	1.06 530	0.72 505	1.09 528	2.15 537	6.30 542	0.53 501	3.43 539	2.36 537	0.89 531	0.20 486	1.87 539	1.69 538	5.57 544	3.62 544

Anonymous_1	10.96 548	7.92 546	7.46 543	10.33 545	10.06 544	18.65 551	26.34 551	11.06 548	13.44 549	9.40 546	10.05 546	9.67 548	11.23 548	10.73 548	12.72 548	6.42 547	8.38 547	5.77 546	10.61 546	12.12 548	6.77 545

DPSMNet_ROB	8.06 543	4.48 540	8.63 546	5.37 543	10.74 546	8.32 540	22.98 549	5.46 540	13.36 548	5.12 540	9.92 544	5.08 539	10.40 546	5.53 542	12.58 546	3.80 544	8.00 545	3.50 541	7.02 544	3.83 542	7.14 546

DGTPSM_ROB	8.06 543	4.48 540	8.63 546	5.35 541	10.72 545	8.32 540	22.97 548	5.46 540	13.35 547	5.12 540	9.92 544	5.08 539	10.40 546	5.52 541	12.58 546	3.79 543	8.00 545	3.50 541	7.02 544	3.83 542	7.14 546

DPSM_ROB	11.15 549	8.58 547	8.00 544	10.88 546	11.58 547	19.10 552	26.71 552	12.05 549	14.07 550	10.36 547	10.84 547	10.33 549	11.86 549	11.70 549	13.54 549	6.99 548	8.79 548	5.89 547	6.95 542	7.29 545	7.42 548

DPSM	11.15 549	8.58 547	8.00 544	10.88 546	11.58 547	19.10 552	26.71 552	12.05 549	14.07 550	10.36 547	10.84 547	10.33 549	11.86 549	11.70 549	13.54 549	6.99 548	8.79 548	5.89 547	6.95 542	7.29 545	7.42 548

LSM0	22.87 555	17.28 551	18.96 550	22.19 554	29.04 556	38.42 556	53.71 554	24.28 555	28.31 554	20.78 555	21.00 552	21.43 555	24.16 555	23.50 554	27.39 555	14.09 552	17.38 552	11.84 552	14.04 552	14.73 551	14.89 550

CasAABBNet	22.42 553	17.33 552	16.01 548	22.01 552	23.28 553	38.32 554	53.80 555	24.14 554	28.41 555	20.60 553	21.77 553	20.89 554	23.91 554	23.43 553	27.36 554	14.07 550	17.69 553	11.83 551	14.01 551	14.67 549	14.95 551

Selective-RAFT-Error	22.47 554	17.37 553	16.09 549	22.06 553	23.34 554	38.39 555	53.83 556	24.29 556	28.47 556	20.74 554	21.83 554	20.81 553	23.90 553	23.54 555	27.53 556	14.08 551	17.69 553	11.82 550	14.00 550	14.69 550	15.00 552

LRCNet_RVC	10.62 547	13.42 550	7.30 539	18.92 550	2.07 537	0.33 470	0.30 489	5.59 542	0.48 464	13.03 549	17.94 550	8.87 544	5.65 540	4.79 540	1.89 535	23.51 554	2.73 543	27.55 555	25.71 555	16.07 552	16.33 553

HaxPig	15.71 551	18.52 554	19.18 551	16.89 549	15.89 551	7.73 539	7.60 539	13.31 551	10.82 546	15.42 550	14.91 549	15.98 551	14.92 551	15.58 551	15.98 551	18.95 553	16.73 551	19.46 553	18.08 553	19.26 553	19.05 554

MEDIAN_ROB	20.38 552	24.04 555	23.31 553	21.23 551	21.71 552	10.40 544	7.92 540	17.64 552	15.50 552	20.12 552	19.70 551	20.34 552	20.32 552	21.19 552	21.13 552	23.81 555	21.81 555	24.98 554	23.76 554	24.71 554	23.93 555

AVERAGE_ROB	24.90 556	29.20 556	28.14 554	24.89 555	24.64 555	17.75 550	11.12 541	21.45 553	19.93 553	25.12 556	24.46 555	25.12 556	25.46 556	24.69 556	22.83 553	29.76 556	27.13 556	28.97 556	27.95 556	29.91 555	29.47 556

test_example2	98.32 557	94.13 557	45.89 555	96.35 556	109.85 557	88.61 557	95.45 557	25.75 557	94.37 557	130.00 558	126.06 558	58.17 557	74.63 557	88.51 557	79.96 557	150.23 557	221.02 557	77.62 557	99.10 557	113.75 557	96.94 557

ccccc	245.47 558	285.66 558	306.18 558	368.85 558	370.60 558	123.16 558	145.33 558	115.05 558	110.08 558	126.68 557	110.87 557	122.83 558	165.88 558	252.94 558	276.56 558	384.56 558	353.86 558	254.69 558	223.00 558	425.87 558	386.83 558

Low-res two-view benchmark